Avoid special casing for MinGW
[stockfish] / src / nnue / layers / clipped_relu.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 ClippedReLU of NNUE evaluation function
20
21 #ifndef NNUE_LAYERS_CLIPPED_RELU_H_INCLUDED
22 #define NNUE_LAYERS_CLIPPED_RELU_H_INCLUDED
23
24 #include "../nnue_common.h"
25
26 namespace Eval::NNUE::Layers {
27
28   // Clipped ReLU
29   template <typename PreviousLayer>
30   class ClippedReLU {
31    public:
32     // Input/output type
33     using InputType = typename PreviousLayer::OutputType;
34     using OutputType = std::uint8_t;
35     static_assert(std::is_same<InputType, std::int32_t>::value, "");
36
37     // Number of input/output dimensions
38     static constexpr IndexType kInputDimensions =
39         PreviousLayer::kOutputDimensions;
40     static constexpr IndexType kOutputDimensions = kInputDimensions;
41
42     // Size of forward propagation buffer used in this layer
43     static constexpr std::size_t kSelfBufferSize =
44         CeilToMultiple(kOutputDimensions * sizeof(OutputType), kCacheLineSize);
45
46     // Size of the forward propagation buffer used from the input layer to this layer
47     static constexpr std::size_t kBufferSize =
48         PreviousLayer::kBufferSize + kSelfBufferSize;
49
50     // Hash value embedded in the evaluation file
51     static constexpr std::uint32_t GetHashValue() {
52       std::uint32_t hash_value = 0x538D24C7u;
53       hash_value += PreviousLayer::GetHashValue();
54       return hash_value;
55     }
56
57     // Read network parameters
58     bool ReadParameters(std::istream& stream) {
59       return previous_layer_.ReadParameters(stream);
60     }
61
62     // Forward propagation
63     const OutputType* Propagate(
64         const TransformedFeatureType* transformed_features, char* buffer) const {
65       const auto input = previous_layer_.Propagate(
66           transformed_features, buffer + kSelfBufferSize);
67       const auto output = reinterpret_cast<OutputType*>(buffer);
68
69   #if defined(USE_AVX2)
70       constexpr IndexType kNumChunks = kInputDimensions / kSimdWidth;
71       const __m256i kZero = _mm256_setzero_si256();
72       const __m256i kOffsets = _mm256_set_epi32(7, 3, 6, 2, 5, 1, 4, 0);
73       const auto in = reinterpret_cast<const __m256i*>(input);
74       const auto out = reinterpret_cast<__m256i*>(output);
75       for (IndexType i = 0; i < kNumChunks; ++i) {
76         const __m256i words0 = _mm256_srai_epi16(_mm256_packs_epi32(
77           _mm256_load_si256(&in[i * 4 + 0]),
78           _mm256_load_si256(&in[i * 4 + 1])), kWeightScaleBits);
79         const __m256i words1 = _mm256_srai_epi16(_mm256_packs_epi32(
80           _mm256_load_si256(&in[i * 4 + 2]),
81           _mm256_load_si256(&in[i * 4 + 3])), kWeightScaleBits);
82         _mm256_store_si256(
83             &out[i], _mm256_permutevar8x32_epi32(_mm256_max_epi8(
84             _mm256_packs_epi16(words0, words1), kZero), kOffsets));
85       }
86       constexpr IndexType kStart = kNumChunks * kSimdWidth;
87
88   #elif defined(USE_SSSE3)
89       constexpr IndexType kNumChunks = kInputDimensions / kSimdWidth;
90
91   #ifdef USE_SSE41
92       const __m128i kZero = _mm_setzero_si128();
93   #else
94       const __m128i k0x80s = _mm_set1_epi8(-128);
95   #endif
96
97       const auto in = reinterpret_cast<const __m128i*>(input);
98       const auto out = reinterpret_cast<__m128i*>(output);
99       for (IndexType i = 0; i < kNumChunks; ++i) {
100         const __m128i words0 = _mm_srai_epi16(_mm_packs_epi32(
101             _mm_load_si128(&in[i * 4 + 0]),
102             _mm_load_si128(&in[i * 4 + 1])), kWeightScaleBits);
103         const __m128i words1 = _mm_srai_epi16(_mm_packs_epi32(
104             _mm_load_si128(&in[i * 4 + 2]),
105             _mm_load_si128(&in[i * 4 + 3])), kWeightScaleBits);
106         const __m128i packedbytes = _mm_packs_epi16(words0, words1);
107         _mm_store_si128(&out[i],
108
109   #ifdef USE_SSE41
110           _mm_max_epi8(packedbytes, kZero)
111   #else
112           _mm_subs_epi8(_mm_adds_epi8(packedbytes, k0x80s), k0x80s)
113   #endif
114
115         );
116       }
117       constexpr IndexType kStart = kNumChunks * kSimdWidth;
118
119   #elif defined(USE_NEON)
120       constexpr IndexType kNumChunks = kInputDimensions / (kSimdWidth / 2);
121       const int8x8_t kZero = {0};
122       const auto in = reinterpret_cast<const int32x4_t*>(input);
123       const auto out = reinterpret_cast<int8x8_t*>(output);
124       for (IndexType i = 0; i < kNumChunks; ++i) {
125         int16x8_t shifted;
126         const auto pack = reinterpret_cast<int16x4_t*>(&shifted);
127         pack[0] = vqshrn_n_s32(in[i * 2 + 0], kWeightScaleBits);
128         pack[1] = vqshrn_n_s32(in[i * 2 + 1], kWeightScaleBits);
129         out[i] = vmax_s8(vqmovn_s16(shifted), kZero);
130       }
131       constexpr IndexType kStart = kNumChunks * (kSimdWidth / 2);
132   #else
133       constexpr IndexType kStart = 0;
134   #endif
135
136       for (IndexType i = kStart; i < kInputDimensions; ++i) {
137         output[i] = static_cast<OutputType>(
138             std::max(0, std::min(127, input[i] >> kWeightScaleBits)));
139       }
140       return output;
141     }
142
143    private:
144     PreviousLayer previous_layer_;
145   };
146
147 }  // namespace Eval::NNUE::Layers
148
149 #endif // NNUE_LAYERS_CLIPPED_RELU_H_INCLUDED