xref: /aosp_15_r20/external/XNNPACK/src/f32-vsigmoid/gen/vsigmoid-avx2-rr1-p5-nr2fma-x40.c (revision 4bdc94577ba0e567308109d787f7fec7b531ce36)
1 // Auto-generated file. Do not edit!
2 //   Template: src/f32-vsigmoid/avx2-rr1-p5.c.in
3 //   Generator: tools/xngen
4 //
5 // Copyright 2019 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__avx2_rr1_p5_nr2fma_x40(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__avx2_rr1_p5_nr2fma_x40(
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->avx2_rr1_p5.sign_mask);
27   const __m256 vmagic_bias = _mm256_load_ps(params->avx2_rr1_p5.magic_bias);
28   const __m256 vlog2e = _mm256_load_ps(params->avx2_rr1_p5.log2e);
29   const __m256 vminus_ln2 = _mm256_load_ps(params->avx2_rr1_p5.minus_ln2);
30   const __m256 vc5 = _mm256_load_ps(params->avx2_rr1_p5.c5);
31   const __m256 vc4 = _mm256_load_ps(params->avx2_rr1_p5.c4);
32   const __m256 vc3 = _mm256_load_ps(params->avx2_rr1_p5.c3);
33   const __m256 vc2 = _mm256_load_ps(params->avx2_rr1_p5.c2);
34   const __m256 vc1 = _mm256_load_ps(params->avx2_rr1_p5.c1);
35   const __m256 vone = _mm256_load_ps(params->avx2_rr1_p5.one);
36   const __m256 vdenorm_cutoff = _mm256_load_ps(params->avx2_rr1_p5.denorm_cutoff);
37 
38   for (; n >= 40 * sizeof(float); n -= 40 * sizeof(float)) {
39     const __m256 vx0 = _mm256_loadu_ps(x);
40     const __m256 vx1 = _mm256_loadu_ps(x + 8);
41     const __m256 vx2 = _mm256_loadu_ps(x + 16);
42     const __m256 vx3 = _mm256_loadu_ps(x + 24);
43     const __m256 vx4 = _mm256_loadu_ps(x + 32);
44     x += 40;
45 
46     const __m256 vz0 = _mm256_or_ps(vx0, vsign_mask);
47     const __m256 vz1 = _mm256_or_ps(vx1, vsign_mask);
48     const __m256 vz2 = _mm256_or_ps(vx2, vsign_mask);
49     const __m256 vz3 = _mm256_or_ps(vx3, vsign_mask);
50     const __m256 vz4 = _mm256_or_ps(vx4, vsign_mask);
51 
52     __m256 vn0 = _mm256_fmadd_ps(vz0, vlog2e, vmagic_bias);
53     __m256 vn1 = _mm256_fmadd_ps(vz1, vlog2e, vmagic_bias);
54     __m256 vn2 = _mm256_fmadd_ps(vz2, vlog2e, vmagic_bias);
55     __m256 vn3 = _mm256_fmadd_ps(vz3, vlog2e, vmagic_bias);
56     __m256 vn4 = _mm256_fmadd_ps(vz4, vlog2e, vmagic_bias);
57 
58     const __m256 vs0 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn0), 23));
59     const __m256 vs1 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn1), 23));
60     const __m256 vs2 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn2), 23));
61     const __m256 vs3 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn3), 23));
62     const __m256 vs4 = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn4), 23));
63 
64     vn0 = _mm256_sub_ps(vn0, vmagic_bias);
65     vn1 = _mm256_sub_ps(vn1, vmagic_bias);
66     vn2 = _mm256_sub_ps(vn2, vmagic_bias);
67     vn3 = _mm256_sub_ps(vn3, vmagic_bias);
68     vn4 = _mm256_sub_ps(vn4, vmagic_bias);
69 
70     __m256 vt0 = _mm256_fmadd_ps(vn0, vminus_ln2, vz0);
71     __m256 vt1 = _mm256_fmadd_ps(vn1, vminus_ln2, vz1);
72     __m256 vt2 = _mm256_fmadd_ps(vn2, vminus_ln2, vz2);
73     __m256 vt3 = _mm256_fmadd_ps(vn3, vminus_ln2, vz3);
74     __m256 vt4 = _mm256_fmadd_ps(vn4, vminus_ln2, vz4);
75 
76     __m256 vp0 = _mm256_fmadd_ps(vc5, vt0, vc4);
77     __m256 vp1 = _mm256_fmadd_ps(vc5, vt1, vc4);
78     __m256 vp2 = _mm256_fmadd_ps(vc5, vt2, vc4);
79     __m256 vp3 = _mm256_fmadd_ps(vc5, vt3, vc4);
80     __m256 vp4 = _mm256_fmadd_ps(vc5, vt4, vc4);
81 
82     vp0 = _mm256_fmadd_ps(vp0, vt0, vc3);
83     vp1 = _mm256_fmadd_ps(vp1, vt1, vc3);
84     vp2 = _mm256_fmadd_ps(vp2, vt2, vc3);
85     vp3 = _mm256_fmadd_ps(vp3, vt3, vc3);
86     vp4 = _mm256_fmadd_ps(vp4, vt4, vc3);
87 
88     vp0 = _mm256_fmadd_ps(vp0, vt0, vc2);
89     vp1 = _mm256_fmadd_ps(vp1, vt1, vc2);
90     vp2 = _mm256_fmadd_ps(vp2, vt2, vc2);
91     vp3 = _mm256_fmadd_ps(vp3, vt3, vc2);
92     vp4 = _mm256_fmadd_ps(vp4, vt4, vc2);
93 
94     vp0 = _mm256_fmadd_ps(vp0, vt0, vc1);
95     vp1 = _mm256_fmadd_ps(vp1, vt1, vc1);
96     vp2 = _mm256_fmadd_ps(vp2, vt2, vc1);
97     vp3 = _mm256_fmadd_ps(vp3, vt3, vc1);
98     vp4 = _mm256_fmadd_ps(vp4, vt4, vc1);
99 
100     vt0 = _mm256_mul_ps(vt0, vs0);
101     vt1 = _mm256_mul_ps(vt1, vs1);
102     vt2 = _mm256_mul_ps(vt2, vs2);
103     vt3 = _mm256_mul_ps(vt3, vs3);
104     vt4 = _mm256_mul_ps(vt4, vs4);
105 
106     const __m256 ve0 = _mm256_fmadd_ps(vt0, vp0, vs0);
107     const __m256 ve1 = _mm256_fmadd_ps(vt1, vp1, vs1);
108     const __m256 ve2 = _mm256_fmadd_ps(vt2, vp2, vs2);
109     const __m256 ve3 = _mm256_fmadd_ps(vt3, vp3, vs3);
110     const __m256 ve4 = _mm256_fmadd_ps(vt4, vp4, vs4);
111 
112     const __m256 vd0 = _mm256_add_ps(ve0, vone);
113     const __m256 vd1 = _mm256_add_ps(ve1, vone);
114     const __m256 vd2 = _mm256_add_ps(ve2, vone);
115     const __m256 vd3 = _mm256_add_ps(ve3, vone);
116     const __m256 vd4 = _mm256_add_ps(ve4, vone);
117 
118     __m256 vr0 = _mm256_rcp_ps(vd0);
119     __m256 vr1 = _mm256_rcp_ps(vd1);
120     __m256 vr2 = _mm256_rcp_ps(vd2);
121     __m256 vr3 = _mm256_rcp_ps(vd3);
122     __m256 vr4 = _mm256_rcp_ps(vd4);
123 
124     vr0 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr0, vd0, vone), vr0, vr0);
125     vr1 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr1, vd1, vone), vr1, vr1);
126     vr2 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr2, vd2, vone), vr2, vr2);
127     vr3 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr3, vd3, vone), vr3, vr3);
128     vr4 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr4, vd4, vone), vr4, vr4);
129 
130     vr0 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr0, vd0, vone), vr0, vr0);
131     vr1 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr1, vd1, vone), vr1, vr1);
132     vr2 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr2, vd2, vone), vr2, vr2);
133     vr3 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr3, vd3, vone), vr3, vr3);
134     vr4 = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr4, vd4, vone), vr4, vr4);
135 
136     __m256 vf0 = _mm256_mul_ps(ve0, vr0);
137     __m256 vf1 = _mm256_mul_ps(ve1, vr1);
138     __m256 vf2 = _mm256_mul_ps(ve2, vr2);
139     __m256 vf3 = _mm256_mul_ps(ve3, vr3);
140     __m256 vf4 = _mm256_mul_ps(ve4, vr4);
141 
142     vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
143     vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
144     vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
145     vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
146     vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
147 
148     vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
149     vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
150     vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
151     vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
152     vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
153 
154     _mm256_storeu_ps(y, vf0);
155     _mm256_storeu_ps(y + 8, vf1);
156     _mm256_storeu_ps(y + 16, vf2);
157     _mm256_storeu_ps(y + 24, vf3);
158     _mm256_storeu_ps(y + 32, vf4);
159     y += 40;
160   }
161   for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
162     const __m256 vx = _mm256_loadu_ps(x);
163     x += 8;
164 
165     const __m256 vz = _mm256_or_ps(vx, vsign_mask);
166 
167     __m256 vn = _mm256_fmadd_ps(vz, vlog2e, vmagic_bias);
168     const __m256 vs = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn), 23));
169     vn = _mm256_sub_ps(vn, vmagic_bias);
170 
171     __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vz);
172 
173     __m256 vp = _mm256_fmadd_ps(vc5, vt, vc4);
174     vp = _mm256_fmadd_ps(vp, vt, vc3);
175     vp = _mm256_fmadd_ps(vp, vt, vc2);
176     vp = _mm256_fmadd_ps(vp, vt, vc1);
177 
178     vt = _mm256_mul_ps(vt, vs);
179     const __m256 ve = _mm256_fmadd_ps(vt, vp, vs);
180 
181     const __m256 vd = _mm256_add_ps(ve, vone);
182     __m256 vr = _mm256_rcp_ps(vd);
183     vr = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr, vd, vone), vr, vr);
184     vr = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr, vd, vone), vr, vr);
185     __m256 vf = _mm256_mul_ps(ve, vr);
186 
187     vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
188     vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
189 
190     _mm256_storeu_ps(y, vf);
191     y += 8;
192   }
193   if XNN_UNLIKELY(n != 0) {
194     assert(n >= 1 * sizeof(float));
195     assert(n <= 7 * sizeof(float));
196     const __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) &params->avx2_rr1_p5.mask_table[7] - n));
197 
198     const __m256 vx = _mm256_maskload_ps(x, vmask);
199 
200     const __m256 vz = _mm256_or_ps(vx, vsign_mask);
201 
202     __m256 vn = _mm256_fmadd_ps(vz, vlog2e, vmagic_bias);
203     const __m256 vs = _mm256_castsi256_ps(_mm256_slli_epi32(_mm256_castps_si256(vn), 23));
204     vn = _mm256_sub_ps(vn, vmagic_bias);
205 
206     __m256 vt = _mm256_fmadd_ps(vn, vminus_ln2, vz);
207 
208     __m256 vp = _mm256_fmadd_ps(vc5, vt, vc4);
209     vp = _mm256_fmadd_ps(vp, vt, vc3);
210     vp = _mm256_fmadd_ps(vp, vt, vc2);
211     vp = _mm256_fmadd_ps(vp, vt, vc1);
212 
213     vt = _mm256_mul_ps(vt, vs);
214     const __m256 ve = _mm256_fmadd_ps(vt, vp, vs);
215 
216     const __m256 vd = _mm256_add_ps(ve, vone);
217     __m256 vr = _mm256_rcp_ps(vd);
218     vr = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr, vd, vone), vr, vr);
219     vr = _mm256_fmadd_ps(_mm256_fnmadd_ps(vr, vd, vone), vr, vr);
220     __m256 vf = _mm256_mul_ps(ve, vr);
221 
222     vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
223     vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
224 
225     __m128 vf_lo = _mm256_castps256_ps128(vf);
226     if (n & (4 * sizeof(float))) {
227       _mm_storeu_ps(y, vf_lo);
228       vf_lo = _mm256_extractf128_ps(vf, 1);
229       y += 4;
230     }
231     if (n & (2 * sizeof(float))) {
232       _mm_storel_pi((__m64*) y, vf_lo);
233       vf_lo = _mm_movehl_ps(vf_lo, vf_lo);
234       y += 2;
235     }
236     if (n & (1 * sizeof(float))) {
237       _mm_store_ss(y, vf_lo);
238     }
239   }
240 }
241