git.sesse.net Git - stockfish/blob - 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