Remove Condition from Generate_Move Loop
[stockfish] / src / nnue / layers / affine_transform.h
1 /*
2   Stockfish, a UCI chess playing engine derived from Glaurung 2.1
3   Copyright (C) 2004-2021 The Stockfish developers (see AUTHORS file)
4
5   Stockfish is free software: you can redistribute it and/or modify
6   it under the terms of the GNU General Public License as published by
7   the Free Software Foundation, either version 3 of the License, or
8   (at your option) any later version.
9
10   Stockfish is distributed in the hope that it will be useful,
11   but WITHOUT ANY WARRANTY; without even the implied warranty of
12   MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
13   GNU General Public License for more details.
14
15   You should have received a copy of the GNU General Public License
16   along with this program.  If not, see <http://www.gnu.org/licenses/>.
17 */
18
19 // Definition of layer AffineTransform of NNUE evaluation function
20
21 #ifndef NNUE_LAYERS_AFFINE_TRANSFORM_H_INCLUDED
22 #define NNUE_LAYERS_AFFINE_TRANSFORM_H_INCLUDED
23
24 #include <iostream>
25 #include "../nnue_common.h"
26
27 namespace Eval::NNUE::Layers {
28
29   // Affine transformation layer
30   template <typename PreviousLayer, IndexType OutputDimensions>
31   class AffineTransform {
32    public:
33     // Input/output type
34     using InputType = typename PreviousLayer::OutputType;
35     using OutputType = std::int32_t;
36     static_assert(std::is_same<InputType, std::uint8_t>::value, "");
37
38     // Number of input/output dimensions
39     static constexpr IndexType kInputDimensions =
40         PreviousLayer::kOutputDimensions;
41     static constexpr IndexType kOutputDimensions = OutputDimensions;
42     static constexpr IndexType kPaddedInputDimensions =
43         CeilToMultiple<IndexType>(kInputDimensions, kMaxSimdWidth);
44 #if defined (USE_AVX512)
45     static constexpr const IndexType kOutputSimdWidth = kSimdWidth / 2;
46 #elif defined (USE_SSSE3)
47     static constexpr const IndexType kOutputSimdWidth = kSimdWidth / 4;
48 #endif
49
50     // Size of forward propagation buffer used in this layer
51     static constexpr std::size_t kSelfBufferSize =
52         CeilToMultiple(kOutputDimensions * sizeof(OutputType), kCacheLineSize);
53
54     // Size of the forward propagation buffer used from the input layer to this layer
55     static constexpr std::size_t kBufferSize =
56         PreviousLayer::kBufferSize + kSelfBufferSize;
57
58     // Hash value embedded in the evaluation file
59     static constexpr std::uint32_t GetHashValue() {
60       std::uint32_t hash_value = 0xCC03DAE4u;
61       hash_value += kOutputDimensions;
62       hash_value ^= PreviousLayer::GetHashValue() >> 1;
63       hash_value ^= PreviousLayer::GetHashValue() << 31;
64       return hash_value;
65     }
66
67    // Read network parameters
68     bool ReadParameters(std::istream& stream) {
69       if (!previous_layer_.ReadParameters(stream)) return false;
70       for (std::size_t i = 0; i < kOutputDimensions; ++i)
71         biases_[i] = read_little_endian<BiasType>(stream);
72       for (std::size_t i = 0; i < kOutputDimensions * kPaddedInputDimensions; ++i)
73 #if !defined (USE_SSSE3)
74         weights_[i] = read_little_endian<WeightType>(stream);
75 #else
76         weights_[
77           (i / 4) % (kPaddedInputDimensions / 4) * kOutputDimensions * 4 +
78           i / kPaddedInputDimensions * 4 +
79           i % 4
80         ] = read_little_endian<WeightType>(stream);
81
82       // Determine if eights of weight and input products can be summed using 16bits
83       // without saturation. We assume worst case combinations of 0 and 127 for all inputs.
84       if (kOutputDimensions > 1 && !stream.fail())
85       {
86           canSaturate16.count = 0;
87 #if !defined(USE_VNNI)
88           for (IndexType i = 0; i < kPaddedInputDimensions; i += 16)
89               for (IndexType j = 0; j < kOutputDimensions; ++j)
90                   for (int x = 0; x < 2; ++x)
91                   {
92                       WeightType* w = &weights_[i * kOutputDimensions + j * 4 + x * 2];
93                       int sum[2] = {0, 0};
94                       for (int k = 0; k < 8; ++k)
95                       {
96                           IndexType idx = k / 2 * kOutputDimensions * 4 + k % 2;
97                           sum[w[idx] < 0] += w[idx];
98                       }
99                       for (int sign : {-1, 1})
100                           while (sign * sum[sign == -1] > 258)
101                           {
102                               int maxK = 0, maxW = 0;
103                               for (int k = 0; k < 8; ++k)
104                               {
105                                   IndexType idx = k / 2 * kOutputDimensions * 4 + k % 2;
106                                   if (maxW < sign * w[idx])
107                                       maxK = k, maxW = sign * w[idx];
108                               }
109
110                               IndexType idx = maxK / 2 * kOutputDimensions * 4 + maxK % 2;
111                               sum[sign == -1] -= w[idx];
112                               canSaturate16.add(j, i + maxK / 2 * 4 + maxK % 2 + x * 2, w[idx]);
113                               w[idx] = 0;
114                           }
115                   }
116
117           // Non functional optimization for faster more linear access
118           std::sort(canSaturate16.ids, canSaturate16.ids + canSaturate16.count,
119                     [](const typename CanSaturate::Entry& e1, const typename CanSaturate::Entry& e2)
120                     { return e1.in == e2.in ? e1.out < e2.out : e1.in < e2.in; });
121 #endif
122       }
123 #endif
124
125       return !stream.fail();
126     }
127
128     // Forward propagation
129     const OutputType* Propagate(
130         const TransformedFeatureType* transformed_features, char* buffer) const {
131       const auto input = previous_layer_.Propagate(
132           transformed_features, buffer + kSelfBufferSize);
133
134 #if defined (USE_AVX512)
135
136       [[maybe_unused]] const __m512i kOnes512 = _mm512_set1_epi16(1);
137
138       [[maybe_unused]] auto m512_hadd = [](__m512i sum, int bias) -> int {
139         return _mm512_reduce_add_epi32(sum) + bias;
140       };
141
142       [[maybe_unused]] auto m512_add_dpbusd_epi32 = [=](__m512i& acc, __m512i a, __m512i b) {
143 #if defined (USE_VNNI)
144         acc = _mm512_dpbusd_epi32(acc, a, b);
145 #else
146         __m512i product0 = _mm512_maddubs_epi16(a, b);
147         product0 = _mm512_madd_epi16(product0, kOnes512);
148         acc = _mm512_add_epi32(acc, product0);
149 #endif
150       };
151
152       [[maybe_unused]] auto m512_add_dpbusd_epi32x4 = [=](__m512i& acc, __m512i a0, __m512i b0, __m512i a1, __m512i b1,
153                                                                         __m512i a2, __m512i b2, __m512i a3, __m512i b3) {
154 #if defined (USE_VNNI)
155         acc = _mm512_dpbusd_epi32(acc, a0, b0);
156         acc = _mm512_dpbusd_epi32(acc, a1, b1);
157         acc = _mm512_dpbusd_epi32(acc, a2, b2);
158         acc = _mm512_dpbusd_epi32(acc, a3, b3);
159 #else
160         __m512i product0 = _mm512_maddubs_epi16(a0, b0);
161         __m512i product1 = _mm512_maddubs_epi16(a1, b1);
162         __m512i product2 = _mm512_maddubs_epi16(a2, b2);
163         __m512i product3 = _mm512_maddubs_epi16(a3, b3);
164         product0 = _mm512_add_epi16(product0, product1);
165         product2 = _mm512_add_epi16(product2, product3);
166         product0 = _mm512_add_epi16(product0, product2);
167         product0 = _mm512_madd_epi16(product0, kOnes512);
168         acc = _mm512_add_epi32(acc, product0);
169 #endif
170       };
171
172 #endif
173 #if defined (USE_AVX2)
174
175       [[maybe_unused]] const __m256i kOnes256 = _mm256_set1_epi16(1);
176
177       [[maybe_unused]] auto m256_hadd = [](__m256i sum, int bias) -> int {
178         __m128i sum128 = _mm_add_epi32(_mm256_castsi256_si128(sum), _mm256_extracti128_si256(sum, 1));
179         sum128 = _mm_add_epi32(sum128, _mm_shuffle_epi32(sum128, _MM_PERM_BADC));
180         sum128 = _mm_add_epi32(sum128, _mm_shuffle_epi32(sum128, _MM_PERM_CDAB));
181         return _mm_cvtsi128_si32(sum128) + bias;
182       };
183
184       [[maybe_unused]] auto m256_add_dpbusd_epi32 = [=](__m256i& acc, __m256i a, __m256i b) {
185 #if defined (USE_VNNI)
186         acc = _mm256_dpbusd_epi32(acc, a, b);
187 #else
188         __m256i product0 = _mm256_maddubs_epi16(a, b);
189         product0 = _mm256_madd_epi16(product0, kOnes256);
190         acc = _mm256_add_epi32(acc, product0);
191 #endif
192       };
193
194       [[maybe_unused]] auto m256_add_dpbusd_epi32x4 = [=](__m256i& acc, __m256i a0, __m256i b0, __m256i a1, __m256i b1,
195                                                                         __m256i a2, __m256i b2, __m256i a3, __m256i b3) {
196 #if defined (USE_VNNI)
197         acc = _mm256_dpbusd_epi32(acc, a0, b0);
198         acc = _mm256_dpbusd_epi32(acc, a1, b1);
199         acc = _mm256_dpbusd_epi32(acc, a2, b2);
200         acc = _mm256_dpbusd_epi32(acc, a3, b3);
201 #else
202         __m256i product0 = _mm256_maddubs_epi16(a0, b0);
203         __m256i product1 = _mm256_maddubs_epi16(a1, b1);
204         __m256i product2 = _mm256_maddubs_epi16(a2, b2);
205         __m256i product3 = _mm256_maddubs_epi16(a3, b3);
206         product0 = _mm256_add_epi16(product0, product1);
207         product2 = _mm256_add_epi16(product2, product3);
208         product0 = _mm256_add_epi16(product0, product2);
209         product0 = _mm256_madd_epi16(product0, kOnes256);
210         acc = _mm256_add_epi32(acc, product0);
211 #endif
212       };
213
214 #endif
215 #if defined (USE_SSSE3)
216
217       [[maybe_unused]] const __m128i kOnes128 = _mm_set1_epi16(1);
218
219       [[maybe_unused]] auto m128_hadd = [](__m128i sum, int bias) -> int {
220         sum = _mm_add_epi32(sum, _mm_shuffle_epi32(sum, 0x4E)); //_MM_PERM_BADC
221         sum = _mm_add_epi32(sum, _mm_shuffle_epi32(sum, 0xB1)); //_MM_PERM_CDAB
222         return _mm_cvtsi128_si32(sum) + bias;
223       };
224
225       [[maybe_unused]] auto m128_add_dpbusd_epi32 = [=](__m128i& acc, __m128i a, __m128i b) {
226         __m128i product0 = _mm_maddubs_epi16(a, b);
227         product0 = _mm_madd_epi16(product0, kOnes128);
228         acc = _mm_add_epi32(acc, product0);
229       };
230
231       [[maybe_unused]] auto m128_add_dpbusd_epi32x4 = [=](__m128i& acc, __m128i a0, __m128i b0, __m128i a1, __m128i b1,
232                                                                         __m128i a2, __m128i b2, __m128i a3, __m128i b3) {
233         __m128i product0 = _mm_maddubs_epi16(a0, b0);
234         __m128i product1 = _mm_maddubs_epi16(a1, b1);
235         __m128i product2 = _mm_maddubs_epi16(a2, b2);
236         __m128i product3 = _mm_maddubs_epi16(a3, b3);
237         product0 = _mm_adds_epi16(product0, product1);
238         product2 = _mm_adds_epi16(product2, product3);
239         product0 = _mm_adds_epi16(product0, product2);
240         product0 = _mm_madd_epi16(product0, kOnes128);
241         acc = _mm_add_epi32(acc, product0);
242       };
243
244 #endif
245
246 #if defined (USE_AVX512)
247       using vec_t = __m512i;
248       #define vec_setzero _mm512_setzero_si512
249       #define vec_set_32 _mm512_set1_epi32
250       auto& vec_add_dpbusd_32 = m512_add_dpbusd_epi32;
251       auto& vec_add_dpbusd_32x4 = m512_add_dpbusd_epi32x4;
252       auto& vec_hadd = m512_hadd;
253 #elif defined (USE_AVX2)
254       using vec_t = __m256i;
255       #define vec_setzero _mm256_setzero_si256
256       #define vec_set_32 _mm256_set1_epi32
257       auto& vec_add_dpbusd_32 = m256_add_dpbusd_epi32;
258       auto& vec_add_dpbusd_32x4 = m256_add_dpbusd_epi32x4;
259       auto& vec_hadd = m256_hadd;
260 #elif defined (USE_SSSE3)
261       using vec_t = __m128i;
262       #define vec_setzero _mm_setzero_si128
263       #define vec_set_32 _mm_set1_epi32
264       auto& vec_add_dpbusd_32 = m128_add_dpbusd_epi32;
265       auto& vec_add_dpbusd_32x4 = m128_add_dpbusd_epi32x4;
266       auto& vec_hadd = m128_hadd;
267 #endif
268
269 #if defined (USE_SSSE3)
270
271       const auto output = reinterpret_cast<OutputType*>(buffer);
272       const auto input_vector = reinterpret_cast<const vec_t*>(input);
273
274       static_assert(kOutputDimensions % kOutputSimdWidth == 0 || kOutputDimensions == 1);
275
276       // kOutputDimensions is either 1 or a multiple of kSimdWidth
277       // because then it is also an input dimension.
278       if constexpr (kOutputDimensions % kOutputSimdWidth == 0)
279       {
280           constexpr IndexType kNumChunks = kPaddedInputDimensions / 4;
281
282           const auto input32 = reinterpret_cast<const std::int32_t*>(input);
283           vec_t* outptr = reinterpret_cast<vec_t*>(output);
284           std::memcpy(output, biases_, kOutputDimensions * sizeof(OutputType));
285
286           for (int i = 0; i < (int)kNumChunks - 3; i += 4)
287           {
288               const vec_t in0 = vec_set_32(input32[i + 0]);
289               const vec_t in1 = vec_set_32(input32[i + 1]);
290               const vec_t in2 = vec_set_32(input32[i + 2]);
291               const vec_t in3 = vec_set_32(input32[i + 3]);
292               const auto col0 = reinterpret_cast<const vec_t*>(&weights_[(i + 0) * kOutputDimensions * 4]);
293               const auto col1 = reinterpret_cast<const vec_t*>(&weights_[(i + 1) * kOutputDimensions * 4]);
294               const auto col2 = reinterpret_cast<const vec_t*>(&weights_[(i + 2) * kOutputDimensions * 4]);
295               const auto col3 = reinterpret_cast<const vec_t*>(&weights_[(i + 3) * kOutputDimensions * 4]);
296               for (int j = 0; j * kOutputSimdWidth < kOutputDimensions; ++j)
297                   vec_add_dpbusd_32x4(outptr[j], in0, col0[j], in1, col1[j], in2, col2[j], in3, col3[j]);
298           }
299           for (int i = 0; i < canSaturate16.count; ++i)
300               output[canSaturate16.ids[i].out] += input[canSaturate16.ids[i].in] * canSaturate16.ids[i].w;
301       }
302       else if constexpr (kOutputDimensions == 1)
303       {
304           constexpr IndexType kNumChunks = kPaddedInputDimensions / kSimdWidth;
305
306           vec_t sum0 = vec_setzero();
307
308           const auto row0 = reinterpret_cast<const vec_t*>(&weights_[0]);
309
310           for (int j = 0; j < (int)kNumChunks; ++j)
311           {
312               const vec_t in = input_vector[j];
313
314               vec_add_dpbusd_32(sum0, in, row0[j]);
315           }
316
317           output[0] = vec_hadd(sum0, biases_[0]);
318       }
319
320 #else
321
322 // Use old implementation for the other architectures.
323
324       auto output = reinterpret_cast<OutputType*>(buffer);
325
326 #if defined(USE_SSE2)
327       constexpr IndexType kNumChunks = kPaddedInputDimensions / kSimdWidth;
328       const __m128i kZeros = _mm_setzero_si128();
329       const auto input_vector = reinterpret_cast<const __m128i*>(input);
330
331 #elif defined(USE_MMX)
332       constexpr IndexType kNumChunks = kPaddedInputDimensions / kSimdWidth;
333       const __m64 kZeros = _mm_setzero_si64();
334       const auto input_vector = reinterpret_cast<const __m64*>(input);
335
336 #elif defined(USE_NEON)
337       constexpr IndexType kNumChunks = kPaddedInputDimensions / kSimdWidth;
338       const auto input_vector = reinterpret_cast<const int8x8_t*>(input);
339 #endif
340
341       for (IndexType i = 0; i < kOutputDimensions; ++i) {
342         const IndexType offset = i * kPaddedInputDimensions;
343
344 #if defined(USE_SSE2)
345         __m128i sum_lo = _mm_cvtsi32_si128(biases_[i]);
346         __m128i sum_hi = kZeros;
347         const auto row = reinterpret_cast<const __m128i*>(&weights_[offset]);
348         for (IndexType j = 0; j < kNumChunks; ++j) {
349           __m128i row_j = _mm_load_si128(&row[j]);
350           __m128i input_j = _mm_load_si128(&input_vector[j]);
351           __m128i extended_row_lo = _mm_srai_epi16(_mm_unpacklo_epi8(row_j, row_j), 8);
352           __m128i extended_row_hi = _mm_srai_epi16(_mm_unpackhi_epi8(row_j, row_j), 8);
353           __m128i extended_input_lo = _mm_unpacklo_epi8(input_j, kZeros);
354           __m128i extended_input_hi = _mm_unpackhi_epi8(input_j, kZeros);
355           __m128i product_lo = _mm_madd_epi16(extended_row_lo, extended_input_lo);
356           __m128i product_hi = _mm_madd_epi16(extended_row_hi, extended_input_hi);
357           sum_lo = _mm_add_epi32(sum_lo, product_lo);
358           sum_hi = _mm_add_epi32(sum_hi, product_hi);
359         }
360         __m128i sum = _mm_add_epi32(sum_lo, sum_hi);
361         __m128i sum_high_64 = _mm_shuffle_epi32(sum, _MM_SHUFFLE(1, 0, 3, 2));
362         sum = _mm_add_epi32(sum, sum_high_64);
363         __m128i sum_second_32 = _mm_shufflelo_epi16(sum, _MM_SHUFFLE(1, 0, 3, 2));
364         sum = _mm_add_epi32(sum, sum_second_32);
365         output[i] = _mm_cvtsi128_si32(sum);
366
367 #elif defined(USE_MMX)
368         __m64 sum_lo = _mm_cvtsi32_si64(biases_[i]);
369         __m64 sum_hi = kZeros;
370         const auto row = reinterpret_cast<const __m64*>(&weights_[offset]);
371         for (IndexType j = 0; j < kNumChunks; ++j) {
372           __m64 row_j = row[j];
373           __m64 input_j = input_vector[j];
374           __m64 extended_row_lo = _mm_srai_pi16(_mm_unpacklo_pi8(row_j, row_j), 8);
375           __m64 extended_row_hi = _mm_srai_pi16(_mm_unpackhi_pi8(row_j, row_j), 8);
376           __m64 extended_input_lo = _mm_unpacklo_pi8(input_j, kZeros);
377           __m64 extended_input_hi = _mm_unpackhi_pi8(input_j, kZeros);
378           __m64 product_lo = _mm_madd_pi16(extended_row_lo, extended_input_lo);
379           __m64 product_hi = _mm_madd_pi16(extended_row_hi, extended_input_hi);
380           sum_lo = _mm_add_pi32(sum_lo, product_lo);
381           sum_hi = _mm_add_pi32(sum_hi, product_hi);
382         }
383         __m64 sum = _mm_add_pi32(sum_lo, sum_hi);
384         sum = _mm_add_pi32(sum, _mm_unpackhi_pi32(sum, sum));
385         output[i] = _mm_cvtsi64_si32(sum);
386
387 #elif defined(USE_NEON)
388         int32x4_t sum = {biases_[i]};
389         const auto row = reinterpret_cast<const int8x8_t*>(&weights_[offset]);
390         for (IndexType j = 0; j < kNumChunks; ++j) {
391           int16x8_t product = vmull_s8(input_vector[j * 2], row[j * 2]);
392           product = vmlal_s8(product, input_vector[j * 2 + 1], row[j * 2 + 1]);
393           sum = vpadalq_s16(sum, product);
394         }
395         output[i] = sum[0] + sum[1] + sum[2] + sum[3];
396
397 #else
398         OutputType sum = biases_[i];
399         for (IndexType j = 0; j < kInputDimensions; ++j) {
400           sum += weights_[offset + j] * input[j];
401         }
402         output[i] = sum;
403 #endif
404
405       }
406 #if defined(USE_MMX)
407       _mm_empty();
408 #endif
409
410 #endif
411
412       return output;
413     }
414
415    private:
416     using BiasType = OutputType;
417     using WeightType = std::int8_t;
418
419     PreviousLayer previous_layer_;
420
421     alignas(kCacheLineSize) BiasType biases_[kOutputDimensions];
422     alignas(kCacheLineSize) WeightType weights_[kOutputDimensions * kPaddedInputDimensions];
423 #if defined (USE_SSSE3)
424     struct CanSaturate {
425         int count;
426         struct Entry {
427             uint16_t out;
428             uint16_t in;
429             int8_t w;
430         } ids[kPaddedInputDimensions * kOutputDimensions * 3 / 4];
431
432         void add(int i, int j, int8_t w) {
433             ids[count].out = i;
434             ids[count].in = j;
435             ids[count].w = w;
436             ++count;
437         }
438     } canSaturate16;
439 #endif
440   };
441
442 }  // namespace Eval::NNUE::Layers
443
444 #endif // #ifndef NNUE_LAYERS_AFFINE_TRANSFORM_H_INCLUDED