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_nr2_x72(size_t n,const float * x,float * y,const void * params)20 void xnn_f32_sigmoid_ukernel__avx_rr2_p5_nr2_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 vtwo = _mm256_set1_ps(2.0f);
40 const __m256 vdenorm_cutoff = _mm256_set1_ps(-0x1.5D589Ep+6f);
41
42 for (; n >= 72 * sizeof(float); n -= 72 * sizeof(float)) {
43 const __m256 vx0 = _mm256_loadu_ps(x);
44 const __m256 vx1 = _mm256_loadu_ps(x + 8);
45 const __m256 vx2 = _mm256_loadu_ps(x + 16);
46 const __m256 vx3 = _mm256_loadu_ps(x + 24);
47 const __m256 vx4 = _mm256_loadu_ps(x + 32);
48 const __m256 vx5 = _mm256_loadu_ps(x + 40);
49 const __m256 vx6 = _mm256_loadu_ps(x + 48);
50 const __m256 vx7 = _mm256_loadu_ps(x + 56);
51 const __m256 vx8 = _mm256_loadu_ps(x + 64);
52 x += 72;
53
54 const __m256 vz0 = _mm256_or_ps(vx0, vsign_mask);
55 const __m256 vz1 = _mm256_or_ps(vx1, vsign_mask);
56 const __m256 vz2 = _mm256_or_ps(vx2, vsign_mask);
57 const __m256 vz3 = _mm256_or_ps(vx3, vsign_mask);
58 const __m256 vz4 = _mm256_or_ps(vx4, vsign_mask);
59 const __m256 vz5 = _mm256_or_ps(vx5, vsign_mask);
60 const __m256 vz6 = _mm256_or_ps(vx6, vsign_mask);
61 const __m256 vz7 = _mm256_or_ps(vx7, vsign_mask);
62 const __m256 vz8 = _mm256_or_ps(vx8, 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
74 const __m128 vs_lo0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn0)), 23));
75 const __m128 vs_hi0 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn0, 1)), 23));
76 const __m256 vs0 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo0), vs_hi0, 1);
77 const __m128 vs_lo1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn1)), 23));
78 const __m128 vs_hi1 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn1, 1)), 23));
79 const __m256 vs1 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo1), vs_hi1, 1);
80 const __m128 vs_lo2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn2)), 23));
81 const __m128 vs_hi2 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn2, 1)), 23));
82 const __m256 vs2 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo2), vs_hi2, 1);
83 const __m128 vs_lo3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn3)), 23));
84 const __m128 vs_hi3 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn3, 1)), 23));
85 const __m256 vs3 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo3), vs_hi3, 1);
86 const __m128 vs_lo4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn4)), 23));
87 const __m128 vs_hi4 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn4, 1)), 23));
88 const __m256 vs4 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo4), vs_hi4, 1);
89 const __m128 vs_lo5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn5)), 23));
90 const __m128 vs_hi5 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn5, 1)), 23));
91 const __m256 vs5 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo5), vs_hi5, 1);
92 const __m128 vs_lo6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn6)), 23));
93 const __m128 vs_hi6 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn6, 1)), 23));
94 const __m256 vs6 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo6), vs_hi6, 1);
95 const __m128 vs_lo7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn7)), 23));
96 const __m128 vs_hi7 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn7, 1)), 23));
97 const __m256 vs7 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo7), vs_hi7, 1);
98 const __m128 vs_lo8 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn8)), 23));
99 const __m128 vs_hi8 = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn8, 1)), 23));
100 const __m256 vs8 = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo8), vs_hi8, 1);
101
102 vn0 = _mm256_sub_ps(vn0, vmagic_bias);
103 vn1 = _mm256_sub_ps(vn1, vmagic_bias);
104 vn2 = _mm256_sub_ps(vn2, vmagic_bias);
105 vn3 = _mm256_sub_ps(vn3, vmagic_bias);
106 vn4 = _mm256_sub_ps(vn4, vmagic_bias);
107 vn5 = _mm256_sub_ps(vn5, vmagic_bias);
108 vn6 = _mm256_sub_ps(vn6, vmagic_bias);
109 vn7 = _mm256_sub_ps(vn7, vmagic_bias);
110 vn8 = _mm256_sub_ps(vn8, vmagic_bias);
111
112 __m256 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_hi), vz0);
113 __m256 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_hi), vz1);
114 __m256 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_hi), vz2);
115 __m256 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_hi), vz3);
116 __m256 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_hi), vz4);
117 __m256 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_hi), vz5);
118 __m256 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_hi), vz6);
119 __m256 vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_hi), vz7);
120 __m256 vt8 = _mm256_add_ps(_mm256_mul_ps(vn8, vminus_ln2_hi), vz8);
121
122 vt0 = _mm256_add_ps(_mm256_mul_ps(vn0, vminus_ln2_lo), vt0);
123 vt1 = _mm256_add_ps(_mm256_mul_ps(vn1, vminus_ln2_lo), vt1);
124 vt2 = _mm256_add_ps(_mm256_mul_ps(vn2, vminus_ln2_lo), vt2);
125 vt3 = _mm256_add_ps(_mm256_mul_ps(vn3, vminus_ln2_lo), vt3);
126 vt4 = _mm256_add_ps(_mm256_mul_ps(vn4, vminus_ln2_lo), vt4);
127 vt5 = _mm256_add_ps(_mm256_mul_ps(vn5, vminus_ln2_lo), vt5);
128 vt6 = _mm256_add_ps(_mm256_mul_ps(vn6, vminus_ln2_lo), vt6);
129 vt7 = _mm256_add_ps(_mm256_mul_ps(vn7, vminus_ln2_lo), vt7);
130 vt8 = _mm256_add_ps(_mm256_mul_ps(vn8, vminus_ln2_lo), vt8);
131
132 __m256 vp0 = _mm256_add_ps(_mm256_mul_ps(vc5, vt0), vc4);
133 __m256 vp1 = _mm256_add_ps(_mm256_mul_ps(vc5, vt1), vc4);
134 __m256 vp2 = _mm256_add_ps(_mm256_mul_ps(vc5, vt2), vc4);
135 __m256 vp3 = _mm256_add_ps(_mm256_mul_ps(vc5, vt3), vc4);
136 __m256 vp4 = _mm256_add_ps(_mm256_mul_ps(vc5, vt4), vc4);
137 __m256 vp5 = _mm256_add_ps(_mm256_mul_ps(vc5, vt5), vc4);
138 __m256 vp6 = _mm256_add_ps(_mm256_mul_ps(vc5, vt6), vc4);
139 __m256 vp7 = _mm256_add_ps(_mm256_mul_ps(vc5, vt7), vc4);
140 __m256 vp8 = _mm256_add_ps(_mm256_mul_ps(vc5, vt8), vc4);
141
142 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc3);
143 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc3);
144 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc3);
145 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc3);
146 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc3);
147 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc3);
148 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc3);
149 vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc3);
150 vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc3);
151
152 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc2);
153 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc2);
154 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc2);
155 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc2);
156 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc2);
157 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc2);
158 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc2);
159 vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc2);
160 vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc2);
161
162 vp0 = _mm256_add_ps(_mm256_mul_ps(vp0, vt0), vc1);
163 vp1 = _mm256_add_ps(_mm256_mul_ps(vp1, vt1), vc1);
164 vp2 = _mm256_add_ps(_mm256_mul_ps(vp2, vt2), vc1);
165 vp3 = _mm256_add_ps(_mm256_mul_ps(vp3, vt3), vc1);
166 vp4 = _mm256_add_ps(_mm256_mul_ps(vp4, vt4), vc1);
167 vp5 = _mm256_add_ps(_mm256_mul_ps(vp5, vt5), vc1);
168 vp6 = _mm256_add_ps(_mm256_mul_ps(vp6, vt6), vc1);
169 vp7 = _mm256_add_ps(_mm256_mul_ps(vp7, vt7), vc1);
170 vp8 = _mm256_add_ps(_mm256_mul_ps(vp8, vt8), vc1);
171
172 vt0 = _mm256_mul_ps(vt0, vs0);
173 vt1 = _mm256_mul_ps(vt1, vs1);
174 vt2 = _mm256_mul_ps(vt2, vs2);
175 vt3 = _mm256_mul_ps(vt3, vs3);
176 vt4 = _mm256_mul_ps(vt4, vs4);
177 vt5 = _mm256_mul_ps(vt5, vs5);
178 vt6 = _mm256_mul_ps(vt6, vs6);
179 vt7 = _mm256_mul_ps(vt7, vs7);
180 vt8 = _mm256_mul_ps(vt8, vs8);
181
182 const __m256 ve0 = _mm256_add_ps(_mm256_mul_ps(vt0, vp0), vs0);
183 const __m256 ve1 = _mm256_add_ps(_mm256_mul_ps(vt1, vp1), vs1);
184 const __m256 ve2 = _mm256_add_ps(_mm256_mul_ps(vt2, vp2), vs2);
185 const __m256 ve3 = _mm256_add_ps(_mm256_mul_ps(vt3, vp3), vs3);
186 const __m256 ve4 = _mm256_add_ps(_mm256_mul_ps(vt4, vp4), vs4);
187 const __m256 ve5 = _mm256_add_ps(_mm256_mul_ps(vt5, vp5), vs5);
188 const __m256 ve6 = _mm256_add_ps(_mm256_mul_ps(vt6, vp6), vs6);
189 const __m256 ve7 = _mm256_add_ps(_mm256_mul_ps(vt7, vp7), vs7);
190 const __m256 ve8 = _mm256_add_ps(_mm256_mul_ps(vt8, vp8), vs8);
191
192 const __m256 vd0 = _mm256_add_ps(ve0, vone);
193 const __m256 vd1 = _mm256_add_ps(ve1, vone);
194 const __m256 vd2 = _mm256_add_ps(ve2, vone);
195 const __m256 vd3 = _mm256_add_ps(ve3, vone);
196 const __m256 vd4 = _mm256_add_ps(ve4, vone);
197 const __m256 vd5 = _mm256_add_ps(ve5, vone);
198 const __m256 vd6 = _mm256_add_ps(ve6, vone);
199 const __m256 vd7 = _mm256_add_ps(ve7, vone);
200 const __m256 vd8 = _mm256_add_ps(ve8, vone);
201
202 __m256 vr0 = _mm256_rcp_ps(vd0);
203 __m256 vr1 = _mm256_rcp_ps(vd1);
204 __m256 vr2 = _mm256_rcp_ps(vd2);
205 __m256 vr3 = _mm256_rcp_ps(vd3);
206 __m256 vr4 = _mm256_rcp_ps(vd4);
207 __m256 vr5 = _mm256_rcp_ps(vd5);
208 __m256 vr6 = _mm256_rcp_ps(vd6);
209 __m256 vr7 = _mm256_rcp_ps(vd7);
210 __m256 vr8 = _mm256_rcp_ps(vd8);
211
212 vr0 = _mm256_mul_ps(vr0, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr0, vd0)));
213 vr0 = _mm256_mul_ps(vr0, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr0, vd0)));
214 vr1 = _mm256_mul_ps(vr1, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr1, vd1)));
215 vr1 = _mm256_mul_ps(vr1, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr1, vd1)));
216 vr2 = _mm256_mul_ps(vr2, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr2, vd2)));
217 vr2 = _mm256_mul_ps(vr2, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr2, vd2)));
218 vr3 = _mm256_mul_ps(vr3, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr3, vd3)));
219 vr3 = _mm256_mul_ps(vr3, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr3, vd3)));
220 vr4 = _mm256_mul_ps(vr4, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr4, vd4)));
221 vr4 = _mm256_mul_ps(vr4, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr4, vd4)));
222 vr5 = _mm256_mul_ps(vr5, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr5, vd5)));
223 vr5 = _mm256_mul_ps(vr5, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr5, vd5)));
224 vr6 = _mm256_mul_ps(vr6, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr6, vd6)));
225 vr6 = _mm256_mul_ps(vr6, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr6, vd6)));
226 vr7 = _mm256_mul_ps(vr7, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr7, vd7)));
227 vr7 = _mm256_mul_ps(vr7, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr7, vd7)));
228 vr8 = _mm256_mul_ps(vr8, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr8, vd8)));
229 vr8 = _mm256_mul_ps(vr8, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr8, vd8)));
230
231 __m256 vf0 = _mm256_mul_ps(ve0, vr0);
232 __m256 vf1 = _mm256_mul_ps(ve1, vr1);
233 __m256 vf2 = _mm256_mul_ps(ve2, vr2);
234 __m256 vf3 = _mm256_mul_ps(ve3, vr3);
235 __m256 vf4 = _mm256_mul_ps(ve4, vr4);
236 __m256 vf5 = _mm256_mul_ps(ve5, vr5);
237 __m256 vf6 = _mm256_mul_ps(ve6, vr6);
238 __m256 vf7 = _mm256_mul_ps(ve7, vr7);
239 __m256 vf8 = _mm256_mul_ps(ve8, vr8);
240
241 vf0 = _mm256_andnot_ps(_mm256_cmp_ps(vz0, vdenorm_cutoff, _CMP_LT_OS), vf0);
242 vf1 = _mm256_andnot_ps(_mm256_cmp_ps(vz1, vdenorm_cutoff, _CMP_LT_OS), vf1);
243 vf2 = _mm256_andnot_ps(_mm256_cmp_ps(vz2, vdenorm_cutoff, _CMP_LT_OS), vf2);
244 vf3 = _mm256_andnot_ps(_mm256_cmp_ps(vz3, vdenorm_cutoff, _CMP_LT_OS), vf3);
245 vf4 = _mm256_andnot_ps(_mm256_cmp_ps(vz4, vdenorm_cutoff, _CMP_LT_OS), vf4);
246 vf5 = _mm256_andnot_ps(_mm256_cmp_ps(vz5, vdenorm_cutoff, _CMP_LT_OS), vf5);
247 vf6 = _mm256_andnot_ps(_mm256_cmp_ps(vz6, vdenorm_cutoff, _CMP_LT_OS), vf6);
248 vf7 = _mm256_andnot_ps(_mm256_cmp_ps(vz7, vdenorm_cutoff, _CMP_LT_OS), vf7);
249 vf8 = _mm256_andnot_ps(_mm256_cmp_ps(vz8, vdenorm_cutoff, _CMP_LT_OS), vf8);
250
251 vf0 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf0), vf0, vx0);
252 vf1 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf1), vf1, vx1);
253 vf2 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf2), vf2, vx2);
254 vf3 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf3), vf3, vx3);
255 vf4 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf4), vf4, vx4);
256 vf5 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf5), vf5, vx5);
257 vf6 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf6), vf6, vx6);
258 vf7 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf7), vf7, vx7);
259 vf8 = _mm256_blendv_ps(_mm256_sub_ps(vone, vf8), vf8, vx8);
260
261 _mm256_storeu_ps(y, vf0);
262 _mm256_storeu_ps(y + 8, vf1);
263 _mm256_storeu_ps(y + 16, vf2);
264 _mm256_storeu_ps(y + 24, vf3);
265 _mm256_storeu_ps(y + 32, vf4);
266 _mm256_storeu_ps(y + 40, vf5);
267 _mm256_storeu_ps(y + 48, vf6);
268 _mm256_storeu_ps(y + 56, vf7);
269 _mm256_storeu_ps(y + 64, vf8);
270 y += 72;
271 }
272 for (; n >= 8 * sizeof(float); n -= 8 * sizeof(float)) {
273 const __m256 vx = _mm256_loadu_ps(x);
274 x += 8;
275
276 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
277
278 __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
279
280 const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
281 const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
282 const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
283
284 vn = _mm256_sub_ps(vn, vmagic_bias);
285
286 __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
287 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
288
289 __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
290 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
291 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
292 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
293
294 vt = _mm256_mul_ps(vt, vs);
295 const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
296
297 const __m256 vd = _mm256_add_ps(ve, vone);
298 __m256 vr = _mm256_rcp_ps(vd);
299 vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
300 vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
301 __m256 vf = _mm256_mul_ps(ve, vr);
302
303 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
304 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
305
306 _mm256_storeu_ps(y, vf);
307 y += 8;
308 }
309 if XNN_UNLIKELY(n != 0) {
310 assert(n >= 1 * sizeof(float));
311 assert(n <= 7 * sizeof(float));
312 __m256i vmask = _mm256_loadu_si256((const __m256i*) ((uintptr_t) &mask_table[7] - n));
313
314 const __m256 vx = _mm256_maskload_ps(x, vmask);
315
316 const __m256 vz = _mm256_or_ps(vx, vsign_mask);
317
318 __m256 vn = _mm256_add_ps(_mm256_mul_ps(vz, vlog2e), vmagic_bias);
319 const __m128 vs_lo = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_castps256_ps128(vn)), 23));
320 const __m128 vs_hi = _mm_castsi128_ps(_mm_slli_epi32(_mm_castps_si128(_mm256_extractf128_ps(vn, 1)), 23));
321 const __m256 vs = _mm256_insertf128_ps(_mm256_castps128_ps256(vs_lo), vs_hi, 1);
322
323 vn = _mm256_sub_ps(vn, vmagic_bias);
324
325 __m256 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_hi), vz);
326 vt = _mm256_add_ps(_mm256_mul_ps(vn, vminus_ln2_lo), vt);
327
328 __m256 vp = _mm256_add_ps(_mm256_mul_ps(vc5, vt), vc4);
329 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc3);
330 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc2);
331 vp = _mm256_add_ps(_mm256_mul_ps(vp, vt), vc1);
332
333 vt = _mm256_mul_ps(vt, vs);
334 const __m256 ve = _mm256_add_ps(_mm256_mul_ps(vt, vp), vs);
335
336 const __m256 vd = _mm256_add_ps(ve, vone);
337 __m256 vr = _mm256_rcp_ps(vd);
338 vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
339 vr = _mm256_mul_ps(vr, _mm256_sub_ps(vtwo, _mm256_mul_ps(vr, vd)));
340 __m256 vf = _mm256_mul_ps(ve, vr);
341
342 vf = _mm256_andnot_ps(_mm256_cmp_ps(vz, vdenorm_cutoff, _CMP_LT_OS), vf);
343 vf = _mm256_blendv_ps(_mm256_sub_ps(vone, vf), vf, vx);
344
345 // _mm256_maskstore_ps(y, vmask, vf) could be used here, but triggers msan failures (probably an msan bug).
346 __m128 vf_lo = _mm256_castps256_ps128(vf);
347 if (n & (4 * sizeof(float))) {
348 _mm_storeu_ps(y, vf_lo);
349 vf_lo = _mm256_extractf128_ps(vf, 1);
350 y += 4;
351 }
352 if (n & (2 * sizeof(float))) {
353 _mm_storel_pi((__m64*) y, vf_lo);
354 vf_lo = _mm_movehl_ps(vf_lo, vf_lo);
355 y += 2;
356 }
357 if (n & (1 * sizeof(float))) {
358 _mm_store_ss(y, vf_lo);
359 }
360 }
361 }
362