Optimize affine transform for SSSE3 and higher targets.
[stockfish] / src / nnue / layers / affine_transform.h
1 /*
2   Stockfish, a UCI chess playing engine derived from Glaurung 2.1
3   Copyright (C) 2004-2020 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
45     // Size of forward propagation buffer used in this layer
46     static constexpr std::size_t kSelfBufferSize =
47         CeilToMultiple(kOutputDimensions * sizeof(OutputType), kCacheLineSize);
48
49     // Size of the forward propagation buffer used from the input layer to this layer
50     static constexpr std::size_t kBufferSize =
51         PreviousLayer::kBufferSize + kSelfBufferSize;
52
53     // Hash value embedded in the evaluation file
54     static constexpr std::uint32_t GetHashValue() {
55       std::uint32_t hash_value = 0xCC03DAE4u;
56       hash_value += kOutputDimensions;
57       hash_value ^= PreviousLayer::GetHashValue() >> 1;
58       hash_value ^= PreviousLayer::GetHashValue() << 31;
59       return hash_value;
60     }
61
62    // Read network parameters
63     bool ReadParameters(std::istream& stream) {
64       if (!previous_layer_.ReadParameters(stream)) return false;
65       for (std::size_t i = 0; i < kOutputDimensions; ++i)
66         biases_[i] = read_little_endian<BiasType>(stream);
67       for (std::size_t i = 0; i < kOutputDimensions * kPaddedInputDimensions; ++i)
68         weights_[i] = read_little_endian<WeightType>(stream);
69       return !stream.fail();
70     }
71
72     // Forward propagation
73     const OutputType* Propagate(
74         const TransformedFeatureType* transformed_features, char* buffer) const {
75       const auto input = previous_layer_.Propagate(
76           transformed_features, buffer + kSelfBufferSize);
77
78 #if defined (USE_AVX512)
79
80       [[maybe_unused]] const __m512i kOnes512 = _mm512_set1_epi16(1);
81
82       [[maybe_unused]] auto m512_hadd = [](__m512i sum, int bias) -> int {
83         return _mm512_reduce_add_epi32(sum) + bias;
84       };
85
86       [[maybe_unused]] auto m512_haddx4 = [](__m512i sum0, __m512i sum1, __m512i sum2, __m512i sum3, __m128i bias) -> __m128i {
87         __m512i sum01a = _mm512_unpacklo_epi32(sum0, sum1);
88         __m512i sum01b = _mm512_unpackhi_epi32(sum0, sum1);
89
90         __m512i sum23a = _mm512_unpacklo_epi32(sum2, sum3);
91         __m512i sum23b = _mm512_unpackhi_epi32(sum2, sum3);
92
93         __m512i sum01 = _mm512_add_epi32(sum01a, sum01b);
94         __m512i sum23 = _mm512_add_epi32(sum23a, sum23b);
95
96         __m512i sum0123a = _mm512_unpacklo_epi64(sum01, sum23);
97         __m512i sum0123b = _mm512_unpackhi_epi64(sum01, sum23);
98
99         __m512i sum = _mm512_add_epi32(sum0123a, sum0123b);
100
101         __m256i sum256lo = _mm512_castsi512_si256(sum);
102         __m256i sum256hi = _mm512_extracti64x4_epi64(sum, 1);
103
104         sum256lo = _mm256_add_epi32(sum256lo, sum256hi);
105
106         __m128i sum128lo = _mm256_castsi256_si128(sum256lo);
107         __m128i sum128hi = _mm256_extracti128_si256(sum256lo, 1);
108
109         return _mm_add_epi32(_mm_add_epi32(sum128lo, sum128hi), bias);
110       };
111
112       [[maybe_unused]] auto m512_add_dpbusd_epi32 = [=](__m512i& acc, __m512i a, __m512i b) {
113 #if defined (USE_VNNI)
114         acc = _mm512_dpbusd_epi32(acc, a, b);
115 #else
116         __m512i product0 = _mm512_maddubs_epi16(a, b);
117         product0 = _mm512_madd_epi16(product0, kOnes512);
118         acc = _mm512_add_epi32(acc, product0);
119 #endif
120       };
121
122 #endif
123 #if defined (USE_AVX2)
124
125       [[maybe_unused]] const __m256i kOnes256 = _mm256_set1_epi16(1);
126
127       [[maybe_unused]] auto m256_hadd = [](__m256i sum, int bias) -> int {
128         __m128i sum128 = _mm_add_epi32(_mm256_castsi256_si128(sum), _mm256_extracti128_si256(sum, 1));
129         sum128 = _mm_add_epi32(sum128, _mm_shuffle_epi32(sum128, _MM_PERM_BADC));
130         sum128 = _mm_add_epi32(sum128, _mm_shuffle_epi32(sum128, _MM_PERM_CDAB));
131         return _mm_cvtsi128_si32(sum128) + bias;
132       };
133
134       [[maybe_unused]] auto m256_haddx4 = [](__m256i sum0, __m256i sum1, __m256i sum2, __m256i sum3, __m128i bias) -> __m128i {
135         sum0 = _mm256_hadd_epi32(sum0, sum1);
136         sum2 = _mm256_hadd_epi32(sum2, sum3);
137
138         sum0 = _mm256_hadd_epi32(sum0, sum2);
139
140         __m128i sum128lo = _mm256_castsi256_si128(sum0);
141         __m128i sum128hi = _mm256_extracti128_si256(sum0, 1);
142
143         return _mm_add_epi32(_mm_add_epi32(sum128lo, sum128hi), bias);
144       };
145
146       [[maybe_unused]] auto m256_add_dpbusd_epi32 = [=](__m256i& acc, __m256i a, __m256i b) {
147 #if defined (USE_VNNI)
148         acc = _mm256_dpbusd_epi32(acc, a, b);
149 #else
150         __m256i product0 = _mm256_maddubs_epi16(a, b);
151         product0 = _mm256_madd_epi16(product0, kOnes256);
152         acc = _mm256_add_epi32(acc, product0);
153 #endif
154       };
155
156 #endif
157
158 #if defined (USE_SSSE3)
159
160       [[maybe_unused]] const __m128i kOnes128 = _mm_set1_epi16(1);
161
162       [[maybe_unused]] auto m128_hadd = [](__m128i sum, int bias) -> int {
163         sum = _mm_add_epi32(sum, _mm_shuffle_epi32(sum, 0x4E)); //_MM_PERM_BADC
164         sum = _mm_add_epi32(sum, _mm_shuffle_epi32(sum, 0xB1)); //_MM_PERM_CDAB
165         return _mm_cvtsi128_si32(sum) + bias;
166       };
167
168       [[maybe_unused]] auto m128_haddx4 = [](__m128i sum0, __m128i sum1, __m128i sum2, __m128i sum3, __m128i bias) -> __m128i {
169         sum0 = _mm_hadd_epi32(sum0, sum1);
170         sum2 = _mm_hadd_epi32(sum2, sum3);
171
172         sum0 = _mm_hadd_epi32(sum0, sum2);
173
174         return _mm_add_epi32(sum0, bias);
175       };
176
177       [[maybe_unused]] auto m128_add_dpbusd_epi32 = [=](__m128i& acc, __m128i a, __m128i b) {
178         __m128i product0 = _mm_maddubs_epi16(a, b);
179         product0 = _mm_madd_epi16(product0, kOnes128);
180         acc = _mm_add_epi32(acc, product0);
181       };
182
183 #endif
184
185 #if defined (USE_AVX512)
186
187       constexpr IndexType kNumChunks512 = kPaddedInputDimensions / (kSimdWidth * 2);
188       constexpr IndexType kNumChunks256 = kPaddedInputDimensions / kSimdWidth;
189
190       const auto output = reinterpret_cast<OutputType*>(buffer);
191
192       // Since to saturate a zmm register it takes 64 bytes we
193       // cannot use AVX512 for the smaller affine transforms.
194       // Instead we fallback to a AVX2 implementation if the
195       // kInputDimensions isn't a multiple of 64.
196       // Note that this means that for example for
197       // kInputDimensions of 96 we fallback to AVX2 even though
198       // the first 64 elements could be processed with AVX512.
199       // This is caused by mixing the __m256 and __m512 variables
200       // required to better handle that case and it would
201       // require handling more cases statically not to lose performance.
202       // This should be revisited if such input dimensions are to be considered.
203       [[maybe_unused]] const auto input_vector512 = reinterpret_cast<const __m512i*>(input);
204       [[maybe_unused]] const auto input_vector256 = reinterpret_cast<const __m256i*>(input);
205
206       // kOutputDimensions is either 1 or a multiple of kSimdWidth
207       // because then it is also an input dimension.
208       if constexpr (kOutputDimensions % 4 == 0)
209       {
210         for (IndexType i = 0; i < kOutputDimensions; i += 4)
211         {
212           const IndexType offset0 = (i + 0) * kPaddedInputDimensions;
213           const IndexType offset1 = (i + 1) * kPaddedInputDimensions;
214           const IndexType offset2 = (i + 2) * kPaddedInputDimensions;
215           const IndexType offset3 = (i + 3) * kPaddedInputDimensions;
216
217           const __m128i bias = *reinterpret_cast<const __m128i*>(&biases_[i]);
218           __m128i* outptr = reinterpret_cast<__m128i*>(&output[i]);
219
220           if constexpr (kPaddedInputDimensions % (kSimdWidth * 2) == 0)
221           {
222             __m512i sum0 = _mm512_setzero_si512();
223             __m512i sum1 = _mm512_setzero_si512();
224             __m512i sum2 = _mm512_setzero_si512();
225             __m512i sum3 = _mm512_setzero_si512();
226
227             const auto row0 = reinterpret_cast<const __m512i*>(&weights_[offset0]);
228             const auto row1 = reinterpret_cast<const __m512i*>(&weights_[offset1]);
229             const auto row2 = reinterpret_cast<const __m512i*>(&weights_[offset2]);
230             const auto row3 = reinterpret_cast<const __m512i*>(&weights_[offset3]);
231
232             for (IndexType j = 0; j < kNumChunks512; ++j)
233             {
234               const __m512i in = input_vector512[j];
235
236               m512_add_dpbusd_epi32(sum0, in, row0[j]);
237               m512_add_dpbusd_epi32(sum1, in, row1[j]);
238               m512_add_dpbusd_epi32(sum2, in, row2[j]);
239               m512_add_dpbusd_epi32(sum3, in, row3[j]);
240             }
241
242             *outptr = m512_haddx4(sum0, sum1, sum2, sum3, bias);
243           }
244           else
245           {
246             __m256i sum0 = _mm256_setzero_si256();
247             __m256i sum1 = _mm256_setzero_si256();
248             __m256i sum2 = _mm256_setzero_si256();
249             __m256i sum3 = _mm256_setzero_si256();
250
251             const auto row0 = reinterpret_cast<const __m256i*>(&weights_[offset0]);
252             const auto row1 = reinterpret_cast<const __m256i*>(&weights_[offset1]);
253             const auto row2 = reinterpret_cast<const __m256i*>(&weights_[offset2]);
254             const auto row3 = reinterpret_cast<const __m256i*>(&weights_[offset3]);
255
256             for (IndexType j = 0; j < kNumChunks256; ++j)
257             {
258               const __m256i in = input_vector256[j];
259
260               m256_add_dpbusd_epi32(sum0, in, row0[j]);
261               m256_add_dpbusd_epi32(sum1, in, row1[j]);
262               m256_add_dpbusd_epi32(sum2, in, row2[j]);
263               m256_add_dpbusd_epi32(sum3, in, row3[j]);
264             }
265
266             *outptr = m256_haddx4(sum0, sum1, sum2, sum3, bias);
267           }
268         }
269       }
270       else if constexpr (kOutputDimensions == 1)
271       {
272         if constexpr (kPaddedInputDimensions % (kSimdWidth * 2) == 0)
273         {
274           __m512i sum0 = _mm512_setzero_si512();
275
276           const auto row0 = reinterpret_cast<const __m512i*>(&weights_[0]);
277
278           for (IndexType j = 0; j < kNumChunks512; ++j)
279           {
280             const __m512i in = input_vector512[j];
281
282             m512_add_dpbusd_epi32(sum0, in, row0[j]);
283           }
284
285           output[0] = m512_hadd(sum0, biases_[0]);
286         }
287         else
288         {
289           __m256i sum0 = _mm256_setzero_si256();
290
291           const auto row0 = reinterpret_cast<const __m256i*>(&weights_[0]);
292
293           for (IndexType j = 0; j < kNumChunks256; ++j)
294           {
295             const __m256i in = input_vector256[j];
296
297             m256_add_dpbusd_epi32(sum0, in, row0[j]);
298           }
299
300           output[0] = m256_hadd(sum0, biases_[0]);
301         }
302       }
303       else
304       {
305         // This case can never happen because kOutputDimensions
306         // is always 1 or a multiple of kSimdWidth.
307         assert(false);
308       }
309
310 #elif defined (USE_AVX2)
311
312       constexpr IndexType kNumChunks = kPaddedInputDimensions / kSimdWidth;
313
314       const auto output = reinterpret_cast<OutputType*>(buffer);
315       const auto input_vector = reinterpret_cast<const __m256i*>(input);
316
317       // kOutputDimensions is either 1 or a multiple of kSimdWidth
318       // because then it is also an input dimension.
319       if constexpr (kOutputDimensions % 4 == 0)
320       {
321         for (IndexType i = 0; i < kOutputDimensions; i += 4)
322         {
323           const IndexType offset0 = (i + 0) * kPaddedInputDimensions;
324           const IndexType offset1 = (i + 1) * kPaddedInputDimensions;
325           const IndexType offset2 = (i + 2) * kPaddedInputDimensions;
326           const IndexType offset3 = (i + 3) * kPaddedInputDimensions;
327
328           const __m128i bias = *reinterpret_cast<const __m128i*>(&biases_[i]);
329           __m128i* outptr = reinterpret_cast<__m128i*>(&output[i]);
330
331           __m256i sum0 = _mm256_setzero_si256();
332           __m256i sum1 = _mm256_setzero_si256();
333           __m256i sum2 = _mm256_setzero_si256();
334           __m256i sum3 = _mm256_setzero_si256();
335
336           const auto row0 = reinterpret_cast<const __m256i*>(&weights_[offset0]);
337           const auto row1 = reinterpret_cast<const __m256i*>(&weights_[offset1]);
338           const auto row2 = reinterpret_cast<const __m256i*>(&weights_[offset2]);
339           const auto row3 = reinterpret_cast<const __m256i*>(&weights_[offset3]);
340
341           for (IndexType j = 0; j < kNumChunks; ++j)
342           {
343             const __m256i in = input_vector[j];
344
345             m256_add_dpbusd_epi32(sum0, in, row0[j]);
346             m256_add_dpbusd_epi32(sum1, in, row1[j]);
347             m256_add_dpbusd_epi32(sum2, in, row2[j]);
348             m256_add_dpbusd_epi32(sum3, in, row3[j]);
349           }
350
351           *outptr = m256_haddx4(sum0, sum1, sum2, sum3, bias);
352         }
353       }
354       else if constexpr (kOutputDimensions == 1)
355       {
356         __m256i sum0 = _mm256_setzero_si256();
357
358         const auto row0 = reinterpret_cast<const __m256i*>(&weights_[0]);
359
360         for (IndexType j = 0; j < kNumChunks; ++j)
361         {
362           const __m256i in = input_vector[j];
363
364             m256_add_dpbusd_epi32(sum0, in, row0[j]);
365         }
366
367         output[0] = m256_hadd(sum0, biases_[0]);
368       }
369       else
370       {
371         // This case can never happen because kOutputDimensions
372         // is always 1 or a multiple of kSimdWidth.
373         assert(false);
374       }
375
376 #elif defined (USE_SSSE3)
377
378       constexpr IndexType kNumChunks = kPaddedInputDimensions / kSimdWidth;
379
380       auto output = reinterpret_cast<OutputType*>(buffer);
381       const auto input_vector = reinterpret_cast<const __m128i*>(input);
382
383       // kOutputDimensions is either 1 or a multiple of kSimdWidth
384       // because then it is also an input dimension.
385       if constexpr (kOutputDimensions % 4 == 0)
386       {
387         for (IndexType i = 0; i < kOutputDimensions; i += 4)
388         {
389           const IndexType offset0 = (i + 0) * kPaddedInputDimensions;
390           const IndexType offset1 = (i + 1) * kPaddedInputDimensions;
391           const IndexType offset2 = (i + 2) * kPaddedInputDimensions;
392           const IndexType offset3 = (i + 3) * kPaddedInputDimensions;
393
394           const __m128i bias = *reinterpret_cast<const __m128i*>(&biases_[i]);
395           __m128i* outptr = reinterpret_cast<__m128i*>(&output[i]);
396
397           __m128i sum0 = _mm_setzero_si128();
398           __m128i sum1 = _mm_setzero_si128();
399           __m128i sum2 = _mm_setzero_si128();
400           __m128i sum3 = _mm_setzero_si128();
401
402           const auto row0 = reinterpret_cast<const __m128i*>(&weights_[offset0]);
403           const auto row1 = reinterpret_cast<const __m128i*>(&weights_[offset1]);
404           const auto row2 = reinterpret_cast<const __m128i*>(&weights_[offset2]);
405           const auto row3 = reinterpret_cast<const __m128i*>(&weights_[offset3]);
406
407           for (int j = 0; j < (int)kNumChunks; j += 1)
408           {
409             const __m128i in = input_vector[j];
410
411             m128_add_dpbusd_epi32(sum0, in, row0[j]);
412             m128_add_dpbusd_epi32(sum1, in, row1[j]);
413             m128_add_dpbusd_epi32(sum2, in, row2[j]);
414             m128_add_dpbusd_epi32(sum3, in, row3[j]);
415           }
416
417           *outptr = m128_haddx4(sum0, sum1, sum2, sum3, bias);
418         }
419       }
420       else if constexpr (kOutputDimensions == 1)
421       {
422         __m128i sum0 = _mm_setzero_si128();
423
424         const auto row0 = reinterpret_cast<const __m128i*>(&weights_[0]);
425
426         for (int j = 0; j < (int)kNumChunks; j += 1)
427         {
428           const __m128i in = input_vector[j];
429
430           m128_add_dpbusd_epi32(sum0, in, row0[j]);
431         }
432
433         output[0] = m128_hadd(sum0, biases_[0]);
434       }
435       else
436       {
437         // This case can never happen because kOutputDimensions
438         // is always 1 or a multiple of kSimdWidth.
439         assert(false);
440       }
441
442 #else
443
444 // Use old implementation for the other architectures.
445
446       auto output = reinterpret_cast<OutputType*>(buffer);
447
448 #if defined(USE_SSE2)
449       constexpr IndexType kNumChunks = kPaddedInputDimensions / kSimdWidth;
450 #ifndef USE_SSSE3
451       const __m128i kZeros = _mm_setzero_si128();
452 #else
453       const __m128i kOnes = _mm_set1_epi16(1);
454 #endif
455       const auto input_vector = reinterpret_cast<const __m128i*>(input);
456
457 #elif defined(USE_MMX)
458       constexpr IndexType kNumChunks = kPaddedInputDimensions / kSimdWidth;
459       const __m64 kZeros = _mm_setzero_si64();
460       const auto input_vector = reinterpret_cast<const __m64*>(input);
461
462 #elif defined(USE_NEON)
463       constexpr IndexType kNumChunks = kPaddedInputDimensions / kSimdWidth;
464       const auto input_vector = reinterpret_cast<const int8x8_t*>(input);
465 #endif
466
467       for (IndexType i = 0; i < kOutputDimensions; ++i) {
468         const IndexType offset = i * kPaddedInputDimensions;
469
470 #if defined(USE_SSE2)
471         __m128i sum_lo = _mm_cvtsi32_si128(biases_[i]);
472         __m128i sum_hi = kZeros;
473         const auto row = reinterpret_cast<const __m128i*>(&weights_[offset]);
474         for (IndexType j = 0; j < kNumChunks; ++j) {
475           __m128i row_j = _mm_load_si128(&row[j]);
476           __m128i input_j = _mm_load_si128(&input_vector[j]);
477           __m128i row_signs = _mm_cmpgt_epi8(kZeros, row_j);
478           __m128i extended_row_lo = _mm_unpacklo_epi8(row_j, row_signs);
479           __m128i extended_row_hi = _mm_unpackhi_epi8(row_j, row_signs);
480           __m128i extended_input_lo = _mm_unpacklo_epi8(input_j, kZeros);
481           __m128i extended_input_hi = _mm_unpackhi_epi8(input_j, kZeros);
482           __m128i product_lo = _mm_madd_epi16(extended_row_lo, extended_input_lo);
483           __m128i product_hi = _mm_madd_epi16(extended_row_hi, extended_input_hi);
484           sum_lo = _mm_add_epi32(sum_lo, product_lo);
485           sum_hi = _mm_add_epi32(sum_hi, product_hi);
486         }
487         __m128i sum = _mm_add_epi32(sum_lo, sum_hi);
488         __m128i sum_high_64 = _mm_shuffle_epi32(sum, _MM_SHUFFLE(1, 0, 3, 2));
489         sum = _mm_add_epi32(sum, sum_high_64);
490         __m128i sum_second_32 = _mm_shufflelo_epi16(sum, _MM_SHUFFLE(1, 0, 3, 2));
491         sum = _mm_add_epi32(sum, sum_second_32);
492         output[i] = _mm_cvtsi128_si32(sum);
493
494 #elif defined(USE_MMX)
495         __m64 sum_lo = _mm_cvtsi32_si64(biases_[i]);
496         __m64 sum_hi = kZeros;
497         const auto row = reinterpret_cast<const __m64*>(&weights_[offset]);
498         for (IndexType j = 0; j < kNumChunks; ++j) {
499           __m64 row_j = row[j];
500           __m64 input_j = input_vector[j];
501           __m64 row_signs = _mm_cmpgt_pi8(kZeros, row_j);
502           __m64 extended_row_lo = _mm_unpacklo_pi8(row_j, row_signs);
503           __m64 extended_row_hi = _mm_unpackhi_pi8(row_j, row_signs);
504           __m64 extended_input_lo = _mm_unpacklo_pi8(input_j, kZeros);
505           __m64 extended_input_hi = _mm_unpackhi_pi8(input_j, kZeros);
506           __m64 product_lo = _mm_madd_pi16(extended_row_lo, extended_input_lo);
507           __m64 product_hi = _mm_madd_pi16(extended_row_hi, extended_input_hi);
508           sum_lo = _mm_add_pi32(sum_lo, product_lo);
509           sum_hi = _mm_add_pi32(sum_hi, product_hi);
510         }
511         __m64 sum = _mm_add_pi32(sum_lo, sum_hi);
512         sum = _mm_add_pi32(sum, _mm_unpackhi_pi32(sum, sum));
513         output[i] = _mm_cvtsi64_si32(sum);
514
515 #elif defined(USE_NEON)
516         int32x4_t sum = {biases_[i]};
517         const auto row = reinterpret_cast<const int8x8_t*>(&weights_[offset]);
518         for (IndexType j = 0; j < kNumChunks; ++j) {
519           int16x8_t product = vmull_s8(input_vector[j * 2], row[j * 2]);
520           product = vmlal_s8(product, input_vector[j * 2 + 1], row[j * 2 + 1]);
521           sum = vpadalq_s16(sum, product);
522         }
523         output[i] = sum[0] + sum[1] + sum[2] + sum[3];
524
525 #else
526         OutputType sum = biases_[i];
527         for (IndexType j = 0; j < kInputDimensions; ++j) {
528           sum += weights_[offset + j] * input[j];
529         }
530         output[i] = sum;
531 #endif
532
533       }
534 #if defined(USE_MMX)
535       _mm_empty();
536 #endif
537
538 #endif
539
540       return output;
541     }
542
543    private:
544     using BiasType = OutputType;
545     using WeightType = std::int8_t;
546
547     PreviousLayer previous_layer_;
548
549     alignas(kCacheLineSize) BiasType biases_[kOutputDimensions];
550     alignas(kCacheLineSize)
551         WeightType weights_[kOutputDimensions * kPaddedInputDimensions];
552   };
553
554 }  // namespace Eval::NNUE::Layers
555
556 #endif // #ifndef NNUE_LAYERS_AFFINE_TRANSFORM_H_INCLUDED