1 // Auto-generated file. Do not edit!
2 // Template: src/f32-sigmoid/avx-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
18 static const int32_t mask_table[14] = {-1, -1, -1, -1, -1, -1, -1, 0, 0, 0, 0, 0, 0, 0};
19
xnn_f32_sigmoid_ukernel__avx_rr2_p5_div_x72(size_t n,const float * x,float * y,const void * params)20 void xnn_f32_sigmoid_ukernel__avx_rr2_p5_div_x72(
21 size_t n,
22 const float* x,
23 float* y,
24 const void* params)
25 {
26 assert(n % sizeof(float) == 0);
27
28 const __m256 vsign_mask = _mm256_set1_ps(-0.0f);
29 const __m256 vmagic_bias = _mm256_set1_ps(0x1.8000FEp23f);
30 const __m256 vlog2e = _mm256_set1_ps(0x1.715476p0f);
31 const __m256 vminus_ln2_hi = _mm256_set1_ps(-0x1.62E43p-1f);
32 const __m256 vminus_ln2_lo = _mm256_set1_ps(0x1.05C61p-29f);
33 const __m256 vc5 = _mm256_set1_ps(0x1.0F9F9Cp-7f);
34 const __m256 vc4 = _mm256_set1_ps(0x1.573A1Ap-5f);
35 const __m256 vc3 = _mm256_set1_ps(0x1.555A80p-3f);
36 const __m256 vc2 = _mm256_set1_ps(0x1.FFFDC6p-2f);
37 const __m256 vc1 = _mm256_set1_ps(0x1.FFFFF6p-1f);
38 const __m256 vone = _mm256_set1_ps(1.0f);
39 const __m256 vdenorm_cutoff = _mm256_set1_ps(-0x1.5D589Ep+6f);
40
41 for (; n >= 72 * sizeof(float); n -= 72 * sizeof(float)) {
42 const __m256 vx0 = _mm256_loadu_ps(x);
43 const __m256 vx1 = _mm256_loadu_ps(x + 8);
44 const __m256 vx2 = _mm256_loadu_ps(x + 16);
45 const __m256 vx3 = _mm256_loadu_ps(x + 24);
46 const __m256 vx4 = _mm256_loadu_ps(x + 32);
47 const __m256 vx5 = _mm256_loadu_ps(x + 40);
48 const __m256 vx6 = _mm256_loadu_ps(x + 48);
49 const __m256 vx7 = _mm256_loadu_ps(x + 56);
50 const __m256 vx8 = _mm256_loadu_ps(x + 64);
51 x += 72;
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
63 __m256 vn0 = _mm256_add_ps(_mm256_mul_ps(vz0, vlog2e), vmagic_bias);
64 __m256 vn1 = _mm256_add_ps(_mm256_mul_ps(vz1, vlog2e), vmagic_bias);
65 __m256 vn2 = _mm256_add_ps(_mm256_mul_ps(vz2, vlog2e), vmagic_bias);
66 __m256 vn3 = _mm256_add_ps(_mm256_mul_ps(vz3, vlog2e), vmagic_bias);
67 __m256 vn4 = _mm256_add_ps(_mm256_mul_ps(vz4, vlog2e), vmagic_bias);
68 __m256 vn5 = _mm256_add_ps(_mm256_mul_ps(vz5, vlog2e), vmagic_bias);
69 __m256 vn6 = _mm256_add_ps(_mm256_mul_ps(vz6, vlog2e), vmagic_bias);
70 __m256 vn7 = _mm256_add_ps(_mm256_mul_ps(vz7, vlog2e), vmagic_bias);
71 __m256 vn8 = _mm256_add_ps(_mm256_mul_ps(vz8, vlog2e), vmagic_bias);
72
73 const __m128 vs_lo0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn0)), 23));
74 const __m128 vs_hi0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn0, 1)), 23));
75 const __m256 vs0 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo0), vs_hi0, 1);
76 const __m128 vs_lo1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn1)), 23));
77 const __m128 vs_hi1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn1, 1)), 23));
78 const __m256 vs1 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo1), vs_hi1, 1);
79 const __m128 vs_lo2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn2)), 23));
80 const __m128 vs_hi2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn2, 1)), 23));
81 const __m256 vs2 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo2), vs_hi2, 1);
82 const __m128 vs_lo3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn3)), 23));
83 const __m128 vs_hi3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn3, 1)), 23));
84 const __m256 vs3 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo3), vs_hi3, 1);
85 const __m128 vs_lo4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn4)), 23));
86 const __m128 vs_hi4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn4, 1)), 23));
87 const __m256 vs4 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo4), vs_hi4, 1);
88 const __m128 vs_lo5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn5)), 23));
89 const __m128 vs_hi5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn5, 1)), 23));
90 const __m256 vs5 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo5), vs_hi5, 1);
91 const __m128 vs_lo6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn6)), 23));
92 const __m128 vs_hi6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn6, 1)), 23));
93 const __m256 vs6 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo6), vs_hi6, 1);
94 const __m128 vs_lo7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn7)), 23));
95 const __m128 vs_hi7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn7, 1)), 23));
96 const __m256 vs7 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo7), vs_hi7, 1);
97 const __m128 vs_lo8 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn8)), 23));
98 const __m128 vs_hi8 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn8, 1)), 23));
99 const __m256 vs8 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo8), vs_hi8, 1);
100
101 vn0 = _mm256_sub_ps(vn0, vmagic_bias);
102 vn1 = _mm256_sub_ps(vn1, vmagic_bias);
103 vn2 = _mm256_sub_ps(vn2, vmagic_bias);
104 vn3 = _mm256_sub_ps(vn3, vmagic_bias);
105 vn4 = _mm256_sub_ps(vn4, vmagic_bias);
106 vn5 = _mm256_sub_ps(vn5, vmagic_bias);
107 vn6 = _mm256_sub_ps(vn6, vmagic_bias);
108 vn7 = _mm256_sub_ps(vn7, vmagic_bias);
109 vn8 = _mm256_sub_ps(vn8, vmagic_bias);
110
111 __m256 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_hi), vz0);
112 __m256 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_hi), vz1);
113 __m256 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_hi), vz2);
114 __m256 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_hi), vz3);
115 __m256 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_hi), vz4);
116 __m256 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_hi), vz5);
117 __m256 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_hi), vz6);
118 __m256 vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_hi), vz7);
119 __m256 vt8 = _mm256_add_ps(_mm256_mul_ps(vn8, vminus_ln2_hi), vz8);
120
121 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_lo), vt0);
122 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_lo), vt1);
123 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_lo), vt2);
124 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_lo), vt3);
125 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_lo), vt4);
126 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_lo), vt5);
127 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_lo), vt6);
128 vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_lo), vt7);
129 vt8 = _mm256_add_ps(_mm256_mul_ps(vn8, vminus_ln2_lo), vt8);
130
131 __m256 vp0 = _mm256_add_ps(_mm256_mul_ps(vc5, vt0), vc4);
132 __m256 vp1 = _mm256_add_ps(_mm256_mul_ps(vc5, vt1), vc4);
133 __m256 vp2 = _mm256_add_ps(_mm256_mul_ps(vc5, vt2), vc4);
134 __m256 vp3 = _mm256_add_ps(_mm256_mul_ps(vc5, vt3), vc4);
135 __m256 vp4 = _mm256_add_ps(_mm256_mul_ps(vc5, vt4), vc4);
136 __m256 vp5 = _mm256_add_ps(_mm256_mul_ps(vc5, vt5), vc4);
137 __m256 vp6 = _mm256_add_ps(_mm256_mul_ps(vc5, vt6), vc4);
138 __m256 vp7 = _mm256_add_ps(_mm256_mul_ps(vc5, vt7), vc4);
139 __m256 vp8 = _mm256_add_ps(_mm256_mul_ps(vc5, vt8), vc4);
140
141 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc3);
142 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc3);
143 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc3);
144 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc3);
145 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc3);
146 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc3);
147 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc3);
148 vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc3);
149 vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc3);
150
151 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc2);
152 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc2);
153 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc2);
154 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc2);
155 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc2);
156 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc2);
157 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc2);
158 vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc2);
159 vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc2);
160
161 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc1);
162 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc1);
163 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc1);
164 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc1);
165 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc1);
166 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc1);
167 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc1);
168 vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc1);
169 vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc1);
170
171 vt0 = _mm256_mul_ps(vt0, vs0);
172 vt1 = _mm256_mul_ps(vt1, vs1);
173 vt2 = _mm256_mul_ps(vt2, vs2);
174 vt3 = _mm256_mul_ps(vt3, vs3);
175 vt4 = _mm256_mul_ps(vt4, vs4);
176 vt5 = _mm256_mul_ps(vt5, vs5);
177 vt6 = _mm256_mul_ps(vt6, vs6);
178 vt7 = _mm256_mul_ps(vt7, vs7);
179 vt8 = _mm256_mul_ps(vt8, vs8);
180
181 const __m256 ve0 = _mm256_add_ps(_mm256_mul_ps(vt0, vp0), vs0);
182 const __m256 ve1 = _mm256_add_ps(_mm256_mul_ps(vt1, vp1), vs1);
183 const __m256 ve2 = _mm256_add_ps(_mm256_mul_ps(vt2, vp2), vs2);
184 const __m256 ve3 = _mm256_add_ps(_mm256_mul_ps(vt3, vp3), vs3);
185 const __m256 ve4 = _mm256_add_ps(_mm256_mul_ps(vt4, vp4), vs4);
186 const __m256 ve5 = _mm256_add_ps(_mm256_mul_ps(vt5, vp5), vs5);
187 const __m256 ve6 = _mm256_add_ps(_mm256_mul_ps(vt6, vp6), vs6);
188 const __m256 ve7 = _mm256_add_ps(_mm256_mul_ps(vt7, vp7), vs7);
189 const __m256 ve8 = _mm256_add_ps(_mm256_mul_ps(vt8, vp8), vs8);
190
191 const __m256 vd0 = _mm256_add_ps(ve0, vone);
192 const __m256 vd1 = _mm256_add_ps(ve1, vone);
193 const __m256 vd2 = _mm256_add_ps(ve2, vone);
194 const __m256 vd3 = _mm256_add_ps(ve3, vone);
195 const __m256 vd4 = _mm256_add_ps(ve4, vone);
196 const __m256 vd5 = _mm256_add_ps(ve5, vone);
197 const __m256 vd6 = _mm256_add_ps(ve6, vone);
198 const __m256 vd7 = _mm256_add_ps(ve7, vone);
199 const __m256 vd8 = _mm256_add_ps(ve8, vone);
200
201 __m256 vf0 = _mm256_div_ps(ve0, vd0);
202 __m256 vf1 = _mm256_div_ps(ve1, vd1);
203 __m256 vf2 = _mm256_div_ps(ve2, vd2);
204 __m256 vf3 = _mm256_div_ps(ve3, vd3);
205 __m256 vf4 = _mm256_div_ps(ve4, vd4);
206 __m256 vf5 = _mm256_div_ps(ve5, vd5);
207 __m256 vf6 = _mm256_div_ps(ve6, vd6);
208 __m256 vf7 = _mm256_div_ps(ve7, vd7);
209 __m256 vf8 = _mm256_div_ps(ve8, vd8);
210
211 vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
212 vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
213 vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
214 vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
215 vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
216 vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5);
217 vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vz6, vdenorm_cutoff, _CMP_LT_OS), vf6);
218 vf7 = _mm256_andnot_ps(_mm256_cmp_ps(vz7, vdenorm_cutoff, _CMP_LT_OS), vf7);
219 vf8 = _mm256_andnot_ps(_mm256_cmp_ps(vz8, vdenorm_cutoff, _CMP_LT_OS), vf8);
220
221 vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
222 vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
223 vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
224 vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
225 vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
226 vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5);
227 vf6 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf6), vf6, vx6);
228 vf7 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf7), vf7, vx7);
229 vf8 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf8), vf8, vx8);
230
231 _mm256_storeu_ps(y, vf0);
232 _mm256_storeu_ps(y + 8, vf1);
233 _mm256_storeu_ps(y + 16, vf2);
234 _mm256_storeu_ps(y + 24, vf3);
235 _mm256_storeu_ps(y + 32, vf4);
236 _mm256_storeu_ps(y + 40, vf5);
237 _mm256_storeu_ps(y + 48, vf6);
238 _mm256_storeu_ps(y + 56, vf7);
239 _mm256_storeu_ps(y + 64, vf8);
240 y += 72;
241 }
242 for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
243 const __m256 vx = _mm256_loadu_ps(x);
244 x += 8;
245
246 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
247
248 __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
249
250 const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
251 const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
252 const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
253
254 vn = _mm256_sub_ps(vn, vmagic_bias);
255
256 __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
257 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
258
259 __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
260 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
261 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
262 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
263
264 vt = _mm256_mul_ps(vt, vs);
265 const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
266
267 const __m256 vd = _mm256_add_ps(ve, vone);
268 __m256 vf = _mm256_div_ps(ve, vd);
269
270 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
271 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
272
273 _mm256_storeu_ps(y, vf);
274 y += 8;
275 }
276 if XNN_UNLIKELY(n != 0) {
277 assert(n >= 1 * sizeof(float));
278 assert(n <= 7 * sizeof(float));
279 __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) &mask_table[7] - n));
280
281 const __m256 vx = _mm256_maskload_ps(x, vmask);
282
283 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
284
285 __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
286 const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
287 const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
288 const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
289
290 vn = _mm256_sub_ps(vn, vmagic_bias);
291
292 __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
293 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
294
295 __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
296 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
297 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
298 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
299
300 vt = _mm256_mul_ps(vt, vs);
301 const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
302
303 const __m256 vd = _mm256_add_ps(ve, vone);
304 __m256 vf = _mm256_div_ps(ve, vd);
305
306 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
307 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
308
309 // _mm256_maskstore_ps(y, vmask, vf) could be used here, but triggers msan failures (probably an msan bug).
310 __m128 vf_lo = _mm256_castps256_ps128(vf);
311 if (n & (4 * sizeof(float))) {
312 _mm_storeu_ps(y, vf_lo);
313 vf_lo = _mm256_extractf128_ps(vf, 1);
314 y += 4;
315 }
316 if (n & (2 * sizeof(float))) {
317 _mm_storel_pi((__m64*) y, vf_lo);
318 vf_lo = _mm_movehl_ps(vf_lo, vf_lo);
319 y += 2;
320 }
321 if (n & (1 * sizeof(float))) {
322 _mm_store_ss(y, vf_lo);
323 }
324 }
325 }
326