xref: /aosp_15_r20/external/XNNPACK/src/f32-vsigmoid/gen/vsigmoid-avx-rr2-p5-nr2-x80.c (revision 4bdc94577ba0e567308109d787f7fec7b531ce36) 
1 // Auto-generated file. Do not edit!
2 //   Template: src/f32-vsigmoid/avx-rr2-p5.c.in
3 //   Generator: tools/xngen
4 //
5 // Copyright 2020 Google LLC
6 //
7 // This source code is licensed under the BSD-style license found in the
8 // LICENSE file in the root directory of this source tree.
9 
10 #include <assert.h>
11 
12 #include <immintrin.h>
13 
14 #include <xnnpack/common.h>
15 #include <xnnpack/vunary.h>
16 
17 
xnn_f32_vsigmoid_ukernel__avx_rr2_p5_nr2_x80(size_t n,const float * x,float * y,const union xnn_f32_sigmoid_params params[restrict XNN_MIN_ELEMENTS (1)])18 void xnn_f32_vsigmoid_ukernel__avx_rr2_p5_nr2_x80(
19     size_t n,
20     const float* x,
21     float* y,
22     const union xnn_f32_sigmoid_params params[restrict XNN_MIN_ELEMENTS(1)])
23 {
24   assert(n % sizeof(float) == 0);
25 
26   const __m256 vsign_mask = _mm256_load_ps(params->avx_rr2_p5.sign_mask);
27   const __m256 vmagic_bias = _mm256_load_ps(params->avx_rr2_p5.magic_bias);
28   const __m256 vlog2e = _mm256_load_ps(params->avx_rr2_p5.log2e);
29   const __m256 vminus_ln2_hi = _mm256_load_ps(params->avx_rr2_p5.minus_ln2_hi);
30   const __m256 vminus_ln2_lo = _mm256_load_ps(params->avx_rr2_p5.minus_ln2_lo);
31   const __m256 vc5 = _mm256_load_ps(params->avx_rr2_p5.c5);
32   const __m256 vc4 = _mm256_load_ps(params->avx_rr2_p5.c4);
33   const __m256 vc3 = _mm256_load_ps(params->avx_rr2_p5.c3);
34   const __m256 vc2 = _mm256_load_ps(params->avx_rr2_p5.c2);
35   const __m256 vc1 = _mm256_load_ps(params->avx_rr2_p5.c1);
36   const __m256 vone = _mm256_load_ps(params->avx_rr2_p5.one);
37   const __m256 vtwo = _mm256_load_ps(params->avx_rr2_p5.two);
38   const __m256 vdenorm_cutoff = _mm256_load_ps(params->avx_rr2_p5.denorm_cutoff);
39 
40   for (; n >= 80 * sizeof(float); n -= 80 * sizeof(float)) {
41     const __m256 vx0 = _mm256_loadu_ps(x);
42     const __m256 vx1 = _mm256_loadu_ps(x + 8);
43     const __m256 vx2 = _mm256_loadu_ps(x + 16);
44     const __m256 vx3 = _mm256_loadu_ps(x + 24);
45     const __m256 vx4 = _mm256_loadu_ps(x + 32);
46     const __m256 vx5 = _mm256_loadu_ps(x + 40);
47     const __m256 vx6 = _mm256_loadu_ps(x + 48);
48     const __m256 vx7 = _mm256_loadu_ps(x + 56);
49     const __m256 vx8 = _mm256_loadu_ps(x + 64);
50     const __m256 vx9 = _mm256_loadu_ps(x + 72);
51     x += 80;
52 
53     const __m256 vz0 = _mm256_or_ps(vx0, vsign_mask);
54     const __m256 vz1 = _mm256_or_ps(vx1, vsign_mask);
55     const __m256 vz2 = _mm256_or_ps(vx2, vsign_mask);
56     const __m256 vz3 = _mm256_or_ps(vx3, vsign_mask);
57     const __m256 vz4 = _mm256_or_ps(vx4, vsign_mask);
58     const __m256 vz5 = _mm256_or_ps(vx5, vsign_mask);
59     const __m256 vz6 = _mm256_or_ps(vx6, vsign_mask);
60     const __m256 vz7 = _mm256_or_ps(vx7, vsign_mask);
61     const __m256 vz8 = _mm256_or_ps(vx8, vsign_mask);
62     const __m256 vz9 = _mm256_or_ps(vx9, vsign_mask);
63 
64     __m256 vn0 = _mm256_add_ps(_mm256_mul_ps(vz0, vlog2e), vmagic_bias);
65     __m256 vn1 = _mm256_add_ps(_mm256_mul_ps(vz1, vlog2e), vmagic_bias);
66     __m256 vn2 = _mm256_add_ps(_mm256_mul_ps(vz2, vlog2e), vmagic_bias);
67     __m256 vn3 = _mm256_add_ps(_mm256_mul_ps(vz3, vlog2e), vmagic_bias);
68     __m256 vn4 = _mm256_add_ps(_mm256_mul_ps(vz4, vlog2e), vmagic_bias);
69     __m256 vn5 = _mm256_add_ps(_mm256_mul_ps(vz5, vlog2e), vmagic_bias);
70     __m256 vn6 = _mm256_add_ps(_mm256_mul_ps(vz6, vlog2e), vmagic_bias);
71     __m256 vn7 = _mm256_add_ps(_mm256_mul_ps(vz7, vlog2e), vmagic_bias);
72     __m256 vn8 = _mm256_add_ps(_mm256_mul_ps(vz8, vlog2e), vmagic_bias);
73     __m256 vn9 = _mm256_add_ps(_mm256_mul_ps(vz9, vlog2e), vmagic_bias);
74 
75     const __m128 vs_lo0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn0)), 23));
76     const __m128 vs_hi0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn0, 1)), 23));
77     const __m256 vs0 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo0), vs_hi0, 1);
78     const __m128 vs_lo1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn1)), 23));
79     const __m128 vs_hi1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn1, 1)), 23));
80     const __m256 vs1 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo1), vs_hi1, 1);
81     const __m128 vs_lo2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn2)), 23));
82     const __m128 vs_hi2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn2, 1)), 23));
83     const __m256 vs2 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo2), vs_hi2, 1);
84     const __m128 vs_lo3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn3)), 23));
85     const __m128 vs_hi3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn3, 1)), 23));
86     const __m256 vs3 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo3), vs_hi3, 1);
87     const __m128 vs_lo4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn4)), 23));
88     const __m128 vs_hi4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn4, 1)), 23));
89     const __m256 vs4 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo4), vs_hi4, 1);
90     const __m128 vs_lo5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn5)), 23));
91     const __m128 vs_hi5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn5, 1)), 23));
92     const __m256 vs5 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo5), vs_hi5, 1);
93     const __m128 vs_lo6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn6)), 23));
94     const __m128 vs_hi6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn6, 1)), 23));
95     const __m256 vs6 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo6), vs_hi6, 1);
96     const __m128 vs_lo7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn7)), 23));
97     const __m128 vs_hi7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn7, 1)), 23));
98     const __m256 vs7 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo7), vs_hi7, 1);
99     const __m128 vs_lo8 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn8)), 23));
100     const __m128 vs_hi8 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn8, 1)), 23));
101     const __m256 vs8 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo8), vs_hi8, 1);
102     const __m128 vs_lo9 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn9)), 23));
103     const __m128 vs_hi9 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn9, 1)), 23));
104     const __m256 vs9 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo9), vs_hi9, 1);
105 
106     vn0 = _mm256_sub_ps(vn0, vmagic_bias);
107     vn1 = _mm256_sub_ps(vn1, vmagic_bias);
108     vn2 = _mm256_sub_ps(vn2, vmagic_bias);
109     vn3 = _mm256_sub_ps(vn3, vmagic_bias);
110     vn4 = _mm256_sub_ps(vn4, vmagic_bias);
111     vn5 = _mm256_sub_ps(vn5, vmagic_bias);
112     vn6 = _mm256_sub_ps(vn6, vmagic_bias);
113     vn7 = _mm256_sub_ps(vn7, vmagic_bias);
114     vn8 = _mm256_sub_ps(vn8, vmagic_bias);
115     vn9 = _mm256_sub_ps(vn9, vmagic_bias);
116 
117     __m256 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_hi), vz0);
118     __m256 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_hi), vz1);
119     __m256 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_hi), vz2);
120     __m256 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_hi), vz3);
121     __m256 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_hi), vz4);
122     __m256 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_hi), vz5);
123     __m256 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_hi), vz6);
124     __m256 vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_hi), vz7);
125     __m256 vt8 = _mm256_add_ps(_mm256_mul_ps(vn8, vminus_ln2_hi), vz8);
126     __m256 vt9 = _mm256_add_ps(_mm256_mul_ps(vn9, vminus_ln2_hi), vz9);
127 
128     vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_lo), vt0);
129     vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_lo), vt1);
130     vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_lo), vt2);
131     vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_lo), vt3);
132     vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_lo), vt4);
133     vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_lo), vt5);
134     vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_lo), vt6);
135     vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_lo), vt7);
136     vt8 = _mm256_add_ps(_mm256_mul_ps(vn8, vminus_ln2_lo), vt8);
137     vt9 = _mm256_add_ps(_mm256_mul_ps(vn9, vminus_ln2_lo), vt9);
138 
139     __m256 vp0 = _mm256_add_ps(_mm256_mul_ps(vc5, vt0), vc4);
140     __m256 vp1 = _mm256_add_ps(_mm256_mul_ps(vc5, vt1), vc4);
141     __m256 vp2 = _mm256_add_ps(_mm256_mul_ps(vc5, vt2), vc4);
142     __m256 vp3 = _mm256_add_ps(_mm256_mul_ps(vc5, vt3), vc4);
143     __m256 vp4 = _mm256_add_ps(_mm256_mul_ps(vc5, vt4), vc4);
144     __m256 vp5 = _mm256_add_ps(_mm256_mul_ps(vc5, vt5), vc4);
145     __m256 vp6 = _mm256_add_ps(_mm256_mul_ps(vc5, vt6), vc4);
146     __m256 vp7 = _mm256_add_ps(_mm256_mul_ps(vc5, vt7), vc4);
147     __m256 vp8 = _mm256_add_ps(_mm256_mul_ps(vc5, vt8), vc4);
148     __m256 vp9 = _mm256_add_ps(_mm256_mul_ps(vc5, vt9), vc4);
149 
150     vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc3);
151     vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc3);
152     vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc3);
153     vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc3);
154     vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc3);
155     vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc3);
156     vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc3);
157     vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc3);
158     vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc3);
159     vp9 = _mm256_add_ps(_mm256_mul_ps(vp9, vt9), vc3);
160 
161     vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc2);
162     vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc2);
163     vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc2);
164     vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc2);
165     vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc2);
166     vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc2);
167     vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc2);
168     vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc2);
169     vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc2);
170     vp9 = _mm256_add_ps(_mm256_mul_ps(vp9, vt9), vc2);
171 
172     vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc1);
173     vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc1);
174     vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc1);
175     vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc1);
176     vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc1);
177     vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc1);
178     vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc1);
179     vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc1);
180     vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc1);
181     vp9 = _mm256_add_ps(_mm256_mul_ps(vp9, vt9), vc1);
182 
183     vt0 = _mm256_mul_ps(vt0, vs0);
184     vt1 = _mm256_mul_ps(vt1, vs1);
185     vt2 = _mm256_mul_ps(vt2, vs2);
186     vt3 = _mm256_mul_ps(vt3, vs3);
187     vt4 = _mm256_mul_ps(vt4, vs4);
188     vt5 = _mm256_mul_ps(vt5, vs5);
189     vt6 = _mm256_mul_ps(vt6, vs6);
190     vt7 = _mm256_mul_ps(vt7, vs7);
191     vt8 = _mm256_mul_ps(vt8, vs8);
192     vt9 = _mm256_mul_ps(vt9, vs9);
193 
194     const __m256 ve0 = _mm256_add_ps(_mm256_mul_ps(vt0, vp0), vs0);
195     const __m256 ve1 = _mm256_add_ps(_mm256_mul_ps(vt1, vp1), vs1);
196     const __m256 ve2 = _mm256_add_ps(_mm256_mul_ps(vt2, vp2), vs2);
197     const __m256 ve3 = _mm256_add_ps(_mm256_mul_ps(vt3, vp3), vs3);
198     const __m256 ve4 = _mm256_add_ps(_mm256_mul_ps(vt4, vp4), vs4);
199     const __m256 ve5 = _mm256_add_ps(_mm256_mul_ps(vt5, vp5), vs5);
200     const __m256 ve6 = _mm256_add_ps(_mm256_mul_ps(vt6, vp6), vs6);
201     const __m256 ve7 = _mm256_add_ps(_mm256_mul_ps(vt7, vp7), vs7);
202     const __m256 ve8 = _mm256_add_ps(_mm256_mul_ps(vt8, vp8), vs8);
203     const __m256 ve9 = _mm256_add_ps(_mm256_mul_ps(vt9, vp9), vs9);
204 
205     const __m256 vd0 = _mm256_add_ps(ve0, vone);
206     const __m256 vd1 = _mm256_add_ps(ve1, vone);
207     const __m256 vd2 = _mm256_add_ps(ve2, vone);
208     const __m256 vd3 = _mm256_add_ps(ve3, vone);
209     const __m256 vd4 = _mm256_add_ps(ve4, vone);
210     const __m256 vd5 = _mm256_add_ps(ve5, vone);
211     const __m256 vd6 = _mm256_add_ps(ve6, vone);
212     const __m256 vd7 = _mm256_add_ps(ve7, vone);
213     const __m256 vd8 = _mm256_add_ps(ve8, vone);
214     const __m256 vd9 = _mm256_add_ps(ve9, vone);
215 
216     __m256 vr0 = _mm256_rcp_ps(vd0);
217     __m256 vr1 = _mm256_rcp_ps(vd1);
218     __m256 vr2 = _mm256_rcp_ps(vd2);
219     __m256 vr3 = _mm256_rcp_ps(vd3);
220     __m256 vr4 = _mm256_rcp_ps(vd4);
221     __m256 vr5 = _mm256_rcp_ps(vd5);
222     __m256 vr6 = _mm256_rcp_ps(vd6);
223     __m256 vr7 = _mm256_rcp_ps(vd7);
224     __m256 vr8 = _mm256_rcp_ps(vd8);
225     __m256 vr9 = _mm256_rcp_ps(vd9);
226 
227     vr0 = _mm256_mul_ps(vr0, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr0, vd0)));
228     vr0 = _mm256_mul_ps(vr0, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr0, vd0)));
229     vr1 = _mm256_mul_ps(vr1, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr1, vd1)));
230     vr1 = _mm256_mul_ps(vr1, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr1, vd1)));
231     vr2 = _mm256_mul_ps(vr2, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr2, vd2)));
232     vr2 = _mm256_mul_ps(vr2, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr2, vd2)));
233     vr3 = _mm256_mul_ps(vr3, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr3, vd3)));
234     vr3 = _mm256_mul_ps(vr3, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr3, vd3)));
235     vr4 = _mm256_mul_ps(vr4, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr4, vd4)));
236     vr4 = _mm256_mul_ps(vr4, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr4, vd4)));
237     vr5 = _mm256_mul_ps(vr5, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr5, vd5)));
238     vr5 = _mm256_mul_ps(vr5, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr5, vd5)));
239     vr6 = _mm256_mul_ps(vr6, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr6, vd6)));
240     vr6 = _mm256_mul_ps(vr6, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr6, vd6)));
241     vr7 = _mm256_mul_ps(vr7, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr7, vd7)));
242     vr7 = _mm256_mul_ps(vr7, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr7, vd7)));
243     vr8 = _mm256_mul_ps(vr8, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr8, vd8)));
244     vr8 = _mm256_mul_ps(vr8, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr8, vd8)));
245     vr9 = _mm256_mul_ps(vr9, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr9, vd9)));
246     vr9 = _mm256_mul_ps(vr9, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr9, vd9)));
247 
248     __m256 vf0 = _mm256_mul_ps(ve0, vr0);
249     __m256 vf1 = _mm256_mul_ps(ve1, vr1);
250     __m256 vf2 = _mm256_mul_ps(ve2, vr2);
251     __m256 vf3 = _mm256_mul_ps(ve3, vr3);
252     __m256 vf4 = _mm256_mul_ps(ve4, vr4);
253     __m256 vf5 = _mm256_mul_ps(ve5, vr5);
254     __m256 vf6 = _mm256_mul_ps(ve6, vr6);
255     __m256 vf7 = _mm256_mul_ps(ve7, vr7);
256     __m256 vf8 = _mm256_mul_ps(ve8, vr8);
257     __m256 vf9 = _mm256_mul_ps(ve9, vr9);
258 
259     vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
260     vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
261     vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
262     vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
263     vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
264     vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5);
265     vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vz6, vdenorm_cutoff, _CMP_LT_OS), vf6);
266     vf7 = _mm256_andnot_ps(_mm256_cmp_ps(vz7, vdenorm_cutoff, _CMP_LT_OS), vf7);
267     vf8 = _mm256_andnot_ps(_mm256_cmp_ps(vz8, vdenorm_cutoff, _CMP_LT_OS), vf8);
268     vf9 = _mm256_andnot_ps(_mm256_cmp_ps(vz9, vdenorm_cutoff, _CMP_LT_OS), vf9);
269 
270     vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
271     vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
272     vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
273     vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
274     vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
275     vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5);
276     vf6 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf6), vf6, vx6);
277     vf7 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf7), vf7, vx7);
278     vf8 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf8), vf8, vx8);
279     vf9 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf9), vf9, vx9);
280 
281     _mm256_storeu_ps(y, vf0);
282     _mm256_storeu_ps(y + 8, vf1);
283     _mm256_storeu_ps(y + 16, vf2);
284     _mm256_storeu_ps(y + 24, vf3);
285     _mm256_storeu_ps(y + 32, vf4);
286     _mm256_storeu_ps(y + 40, vf5);
287     _mm256_storeu_ps(y + 48, vf6);
288     _mm256_storeu_ps(y + 56, vf7);
289     _mm256_storeu_ps(y + 64, vf8);
290     _mm256_storeu_ps(y + 72, vf9);
291     y += 80;
292   }
293   for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
294     const __m256 vx = _mm256_loadu_ps(x);
295     x += 8;
296 
297     const __m256 vz = _mm256_or_ps(vx, vsign_mask);
298 
299     __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
300 
301     const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
302     const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
303     const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
304 
305     vn = _mm256_sub_ps(vn, vmagic_bias);
306 
307     __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
308     vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
309 
310     __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
311     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
312     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
313     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
314 
315     vt = _mm256_mul_ps(vt, vs);
316     const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
317 
318     const __m256 vd = _mm256_add_ps(ve, vone);
319     __m256 vr = _mm256_rcp_ps(vd);
320     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
321     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
322     __m256 vf = _mm256_mul_ps(ve, vr);
323 
324     vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
325     vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
326 
327     _mm256_storeu_ps(y, vf);
328     y += 8;
329   }
330   if XNN_UNLIKELY(n != 0) {
331     assert(n >= 1 * sizeof(float));
332     assert(n <= 7 * sizeof(float));
333     const __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) &params->avx_rr2_p5.mask_table[7] - n));
334 
335     const __m256 vx = _mm256_maskload_ps(x, vmask);
336 
337     const __m256 vz = _mm256_or_ps(vx, vsign_mask);
338 
339     __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
340     const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
341     const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
342     const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
343 
344     vn = _mm256_sub_ps(vn, vmagic_bias);
345 
346     __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
347     vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
348 
349     __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
350     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
351     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
352     vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
353 
354     vt = _mm256_mul_ps(vt, vs);
355     const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
356 
357     const __m256 vd = _mm256_add_ps(ve, vone);
358     __m256 vr = _mm256_rcp_ps(vd);
359     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
360     vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
361     __m256 vf = _mm256_mul_ps(ve, vr);
362 
363     vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
364     vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
365 
366     __m128 vf_lo = _mm256_castps256_ps128(vf);
367     if (n & (4 * sizeof(float))) {
368       _mm_storeu_ps(y, vf_lo);
369       vf_lo = _mm256_extractf128_ps(vf, 1);
370       y += 4;
371     }
372     if (n & (2 * sizeof(float))) {
373       _mm_storel_pi((__m64*) y, vf_lo);
374       vf_lo = _mm_movehl_ps(vf_lo, vf_lo);
375       y += 2;
376     }
377     if (n & (1 * sizeof(float))) {
378       _mm_store_ss(y, vf_lo);
379     }
380   }
381 }
382