// Auto-generated file. Do not edit! // Template: src/f32-sigmoid/avx-p5.c.in // Generator: tools/xngen // // Copyright 2020 Google LLC // // This source code is licensed under the BSD-style license found in the // LICENSE file in the root directory of this source tree. #include #include #include #include static const int32_t mask_table[14] = {-1, -1, -1, -1, -1, -1, -1, 0, 0, 0, 0, 0, 0, 0}; void xnn_f32_sigmoid_ukernel__avx_rr2_p5_div_x80( size_t n, const float* x, float* y, const void* params) { assert(n % sizeof(float) == 0); const __m256 vsign_mask = _mm256_set1_ps(-0.0f); const __m256 vmagic_bias = _mm256_set1_ps(0x1.8000FEp23f); const __m256 vlog2e = _mm256_set1_ps(0x1.715476p0f); const __m256 vminus_ln2_hi = _mm256_set1_ps(-0x1.62E43p-1f); const __m256 vminus_ln2_lo = _mm256_set1_ps(0x1.05C61p-29f); const __m256 vc5 = _mm256_set1_ps(0x1.0F9F9Cp-7f); const __m256 vc4 = _mm256_set1_ps(0x1.573A1Ap-5f); const __m256 vc3 = _mm256_set1_ps(0x1.555A80p-3f); const __m256 vc2 = _mm256_set1_ps(0x1.FFFDC6p-2f); const __m256 vc1 = _mm256_set1_ps(0x1.FFFFF6p-1f); const __m256 vone = _mm256_set1_ps(1.0f); const __m256 vdenorm_cutoff = _mm256_set1_ps(-0x1.5D589Ep+6f); for (; n >= 80 * sizeof(float); n -= 80 * sizeof(float)) { const __m256 vx0 = _mm256_loadu_ps(x); const __m256 vx1 = _mm256_loadu_ps(x + 8); const __m256 vx2 = _mm256_loadu_ps(x + 16); const __m256 vx3 = _mm256_loadu_ps(x + 24); const __m256 vx4 = _mm256_loadu_ps(x + 32); const __m256 vx5 = _mm256_loadu_ps(x + 40); const __m256 vx6 = _mm256_loadu_ps(x + 48); const __m256 vx7 = _mm256_loadu_ps(x + 56); const __m256 vx8 = _mm256_loadu_ps(x + 64); const __m256 vx9 = _mm256_loadu_ps(x + 72); x += 80; const __m256 vz0 = _mm256_or_ps(vx0, vsign_mask); const __m256 vz1 = _mm256_or_ps(vx1, vsign_mask); const __m256 vz2 = _mm256_or_ps(vx2, vsign_mask); const __m256 vz3 = _mm256_or_ps(vx3, vsign_mask); const __m256 vz4 = _mm256_or_ps(vx4, vsign_mask); const __m256 vz5 = _mm256_or_ps(vx5, vsign_mask); const __m256 vz6 = _mm256_or_ps(vx6, vsign_mask); const __m256 vz7 = _mm256_or_ps(vx7, vsign_mask); const __m256 vz8 = _mm256_or_ps(vx8, vsign_mask); const __m256 vz9 = _mm256_or_ps(vx9, vsign_mask); __m256 vn0 = _mm256_add_ps(_mm256_mul_ps(vz0, vlog2e), vmagic_bias); __m256 vn1 = _mm256_add_ps(_mm256_mul_ps(vz1, vlog2e), vmagic_bias); __m256 vn2 = _mm256_add_ps(_mm256_mul_ps(vz2, vlog2e), vmagic_bias); __m256 vn3 = _mm256_add_ps(_mm256_mul_ps(vz3, vlog2e), vmagic_bias); __m256 vn4 = _mm256_add_ps(_mm256_mul_ps(vz4, vlog2e), vmagic_bias); __m256 vn5 = _mm256_add_ps(_mm256_mul_ps(vz5, vlog2e), vmagic_bias); __m256 vn6 = _mm256_add_ps(_mm256_mul_ps(vz6, vlog2e), vmagic_bias); __m256 vn7 = _mm256_add_ps(_mm256_mul_ps(vz7, vlog2e), vmagic_bias); __m256 vn8 = _mm256_add_ps(_mm256_mul_ps(vz8, vlog2e), vmagic_bias); __m256 vn9 = _mm256_add_ps(_mm256_mul_ps(vz9, vlog2e), vmagic_bias); const __m128 vs_lo0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn0)), 23)); const __m128 vs_hi0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn0, 1)), 23)); const __m256 vs0 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo0), vs_hi0, 1); const __m128 vs_lo1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn1)), 23)); const __m128 vs_hi1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn1, 1)), 23)); const __m256 vs1 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo1), vs_hi1, 1); const __m128 vs_lo2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn2)), 23)); const __m128 vs_hi2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn2, 1)), 23)); const __m256 vs2 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo2), vs_hi2, 1); const __m128 vs_lo3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn3)), 23)); const __m128 vs_hi3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn3, 1)), 23)); const __m256 vs3 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo3), vs_hi3, 1); const __m128 vs_lo4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn4)), 23)); const __m128 vs_hi4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn4, 1)), 23)); const __m256 vs4 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo4), vs_hi4, 1); const __m128 vs_lo5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn5)), 23)); const __m128 vs_hi5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn5, 1)), 23)); const __m256 vs5 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo5), vs_hi5, 1); const __m128 vs_lo6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn6)), 23)); const __m128 vs_hi6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn6, 1)), 23)); const __m256 vs6 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo6), vs_hi6, 1); const __m128 vs_lo7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn7)), 23)); const __m128 vs_hi7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn7, 1)), 23)); const __m256 vs7 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo7), vs_hi7, 1); const __m128 vs_lo8 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn8)), 23)); const __m128 vs_hi8 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn8, 1)), 23)); const __m256 vs8 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo8), vs_hi8, 1); const __m128 vs_lo9 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn9)), 23)); const __m128 vs_hi9 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn9, 1)), 23)); const __m256 vs9 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo9), vs_hi9, 1); vn0 = _mm256_sub_ps(vn0, vmagic_bias); vn1 = _mm256_sub_ps(vn1, vmagic_bias); vn2 = _mm256_sub_ps(vn2, vmagic_bias); vn3 = _mm256_sub_ps(vn3, vmagic_bias); vn4 = _mm256_sub_ps(vn4, vmagic_bias); vn5 = _mm256_sub_ps(vn5, vmagic_bias); vn6 = _mm256_sub_ps(vn6, vmagic_bias); vn7 = _mm256_sub_ps(vn7, vmagic_bias); vn8 = _mm256_sub_ps(vn8, vmagic_bias); vn9 = _mm256_sub_ps(vn9, vmagic_bias); __m256 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_hi), vz0); __m256 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_hi), vz1); __m256 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_hi), vz2); __m256 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_hi), vz3); __m256 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_hi), vz4); __m256 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_hi), vz5); __m256 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_hi), vz6); __m256 vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_hi), vz7); __m256 vt8 = _mm256_add_ps(_mm256_mul_ps(vn8, vminus_ln2_hi), vz8); __m256 vt9 = _mm256_add_ps(_mm256_mul_ps(vn9, vminus_ln2_hi), vz9); vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_lo), vt0); vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_lo), vt1); vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_lo), vt2); vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_lo), vt3); vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_lo), vt4); vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_lo), vt5); vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_lo), vt6); vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_lo), vt7); vt8 = _mm256_add_ps(_mm256_mul_ps(vn8, vminus_ln2_lo), vt8); vt9 = _mm256_add_ps(_mm256_mul_ps(vn9, vminus_ln2_lo), vt9); __m256 vp0 = _mm256_add_ps(_mm256_mul_ps(vc5, vt0), vc4); __m256 vp1 = _mm256_add_ps(_mm256_mul_ps(vc5, vt1), vc4); __m256 vp2 = _mm256_add_ps(_mm256_mul_ps(vc5, vt2), vc4); __m256 vp3 = _mm256_add_ps(_mm256_mul_ps(vc5, vt3), vc4); __m256 vp4 = _mm256_add_ps(_mm256_mul_ps(vc5, vt4), vc4); __m256 vp5 = _mm256_add_ps(_mm256_mul_ps(vc5, vt5), vc4); __m256 vp6 = _mm256_add_ps(_mm256_mul_ps(vc5, vt6), vc4); __m256 vp7 = _mm256_add_ps(_mm256_mul_ps(vc5, vt7), vc4); __m256 vp8 = _mm256_add_ps(_mm256_mul_ps(vc5, vt8), vc4); __m256 vp9 = _mm256_add_ps(_mm256_mul_ps(vc5, vt9), vc4); vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc3); vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc3); vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc3); vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc3); vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc3); vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc3); vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc3); vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc3); vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc3); vp9 = _mm256_add_ps(_mm256_mul_ps(vp9, vt9), vc3); vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc2); vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc2); vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc2); vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc2); vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc2); vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc2); vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc2); vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc2); vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc2); vp9 = _mm256_add_ps(_mm256_mul_ps(vp9, vt9), vc2); vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc1); vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc1); vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc1); vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc1); vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc1); vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc1); vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc1); vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc1); vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc1); vp9 = _mm256_add_ps(_mm256_mul_ps(vp9, vt9), vc1); vt0 = _mm256_mul_ps(vt0, vs0); vt1 = _mm256_mul_ps(vt1, vs1); vt2 = _mm256_mul_ps(vt2, vs2); vt3 = _mm256_mul_ps(vt3, vs3); vt4 = _mm256_mul_ps(vt4, vs4); vt5 = _mm256_mul_ps(vt5, vs5); vt6 = _mm256_mul_ps(vt6, vs6); vt7 = _mm256_mul_ps(vt7, vs7); vt8 = _mm256_mul_ps(vt8, vs8); vt9 = _mm256_mul_ps(vt9, vs9); const __m256 ve0 = _mm256_add_ps(_mm256_mul_ps(vt0, vp0), vs0); const __m256 ve1 = _mm256_add_ps(_mm256_mul_ps(vt1, vp1), vs1); const __m256 ve2 = _mm256_add_ps(_mm256_mul_ps(vt2, vp2), vs2); const __m256 ve3 = _mm256_add_ps(_mm256_mul_ps(vt3, vp3), vs3); const __m256 ve4 = _mm256_add_ps(_mm256_mul_ps(vt4, vp4), vs4); const __m256 ve5 = _mm256_add_ps(_mm256_mul_ps(vt5, vp5), vs5); const __m256 ve6 = _mm256_add_ps(_mm256_mul_ps(vt6, vp6), vs6); const __m256 ve7 = _mm256_add_ps(_mm256_mul_ps(vt7, vp7), vs7); const __m256 ve8 = _mm256_add_ps(_mm256_mul_ps(vt8, vp8), vs8); const __m256 ve9 = _mm256_add_ps(_mm256_mul_ps(vt9, vp9), vs9); const __m256 vd0 = _mm256_add_ps(ve0, vone); const __m256 vd1 = _mm256_add_ps(ve1, vone); const __m256 vd2 = _mm256_add_ps(ve2, vone); const __m256 vd3 = _mm256_add_ps(ve3, vone); const __m256 vd4 = _mm256_add_ps(ve4, vone); const __m256 vd5 = _mm256_add_ps(ve5, vone); const __m256 vd6 = _mm256_add_ps(ve6, vone); const __m256 vd7 = _mm256_add_ps(ve7, vone); const __m256 vd8 = _mm256_add_ps(ve8, vone); const __m256 vd9 = _mm256_add_ps(ve9, vone); __m256 vf0 = _mm256_div_ps(ve0, vd0); __m256 vf1 = _mm256_div_ps(ve1, vd1); __m256 vf2 = _mm256_div_ps(ve2, vd2); __m256 vf3 = _mm256_div_ps(ve3, vd3); __m256 vf4 = _mm256_div_ps(ve4, vd4); __m256 vf5 = _mm256_div_ps(ve5, vd5); __m256 vf6 = _mm256_div_ps(ve6, vd6); __m256 vf7 = _mm256_div_ps(ve7, vd7); __m256 vf8 = _mm256_div_ps(ve8, vd8); __m256 vf9 = _mm256_div_ps(ve9, vd9); vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0); vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1); vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2); vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3); vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4); vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5); vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vz6, vdenorm_cutoff, _CMP_LT_OS), vf6); vf7 = _mm256_andnot_ps(_mm256_cmp_ps(vz7, vdenorm_cutoff, _CMP_LT_OS), vf7); vf8 = _mm256_andnot_ps(_mm256_cmp_ps(vz8, vdenorm_cutoff, _CMP_LT_OS), vf8); vf9 = _mm256_andnot_ps(_mm256_cmp_ps(vz9, vdenorm_cutoff, _CMP_LT_OS), vf9); vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0); vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1); vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2); vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3); vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4); vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5); vf6 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf6), vf6, vx6); vf7 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf7), vf7, vx7); vf8 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf8), vf8, vx8); vf9 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf9), vf9, vx9); _mm256_storeu_ps(y, vf0); _mm256_storeu_ps(y + 8, vf1); _mm256_storeu_ps(y + 16, vf2); _mm256_storeu_ps(y + 24, vf3); _mm256_storeu_ps(y + 32, vf4); _mm256_storeu_ps(y + 40, vf5); _mm256_storeu_ps(y + 48, vf6); _mm256_storeu_ps(y + 56, vf7); _mm256_storeu_ps(y + 64, vf8); _mm256_storeu_ps(y + 72, vf9); y += 80; } for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) { const __m256 vx = _mm256_loadu_ps(x); x += 8; const __m256 vz = _mm256_or_ps(vx, vsign_mask); __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias); const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23)); const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23)); const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1); vn = _mm256_sub_ps(vn, vmagic_bias); __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz); vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt); __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4); vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3); vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2); vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1); vt = _mm256_mul_ps(vt, vs); const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs); const __m256 vd = _mm256_add_ps(ve, vone); __m256 vf = _mm256_div_ps(ve, vd); vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf); vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx); _mm256_storeu_ps(y, vf); y += 8; } if XNN_UNLIKELY(n != 0) { assert(n >= 1 * sizeof(float)); assert(n <= 7 * sizeof(float)); __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) &mask_table[7] - n)); const __m256 vx = _mm256_maskload_ps(x, vmask); const __m256 vz = _mm256_or_ps(vx, vsign_mask); __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias); const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23)); const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23)); const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1); vn = _mm256_sub_ps(vn, vmagic_bias); __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz); vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt); __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4); vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3); vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2); vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1); vt = _mm256_mul_ps(vt, vs); const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs); const __m256 vd = _mm256_add_ps(ve, vone); __m256 vf = _mm256_div_ps(ve, vd); vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf); vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx); // _mm256_maskstore_ps(y, vmask, vf) could be used here, but triggers msan failures (probably an msan bug). __m128 vf_lo = _mm256_castps256_ps128(vf); if (n & (4 * sizeof(float))) { _mm_storeu_ps(y, vf_lo); vf_lo = _mm256_extractf128_ps(vf, 1); y += 4; } if (n & (2 * sizeof(float))) { _mm_storel_pi((__m64*) y, vf_lo); vf_lo = _mm_movehl_ps(vf_lo, vf_lo); y += 2; } if (n & (1 * sizeof(float))) { _mm_store_ss(y, vf_lo); } } }