git.sesse.net Git - stockfish/blob - src/nnue/layers/sqr_clipped_relu.h

   1 /*
   2   Stockfish, a UCI chess playing engine derived from Glaurung 2.1
   3   Copyright (C) 2004-2023 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_SQR_CLIPPED_RELU_H_INCLUDED
  22 #define NNUE_LAYERS_SQR_CLIPPED_RELU_H_INCLUDED
  23
  24 #include <algorithm>
  25 #include <cstdint>
  26 #include <iosfwd>
  27
  28 #include "../nnue_common.h"
  29
  30 namespace Stockfish::Eval::NNUE::Layers {
  31
  32 // Clipped ReLU
  33 template<IndexType InDims>
  34 class SqrClippedReLU {
  35    public:
  36     // Input/output type
  37     using InputType  = std::int32_t;
  38     using OutputType = std::uint8_t;
  39
  40     // Number of input/output dimensions
  41     static constexpr IndexType InputDimensions  = InDims;
  42     static constexpr IndexType OutputDimensions = InputDimensions;
  43     static constexpr IndexType PaddedOutputDimensions =
  44       ceil_to_multiple<IndexType>(OutputDimensions, 32);
  45
  46     using OutputBuffer = OutputType[PaddedOutputDimensions];
  47
  48     // Hash value embedded in the evaluation file
  49     static constexpr std::uint32_t get_hash_value(std::uint32_t prevHash) {
  50         std::uint32_t hashValue = 0x538D24C7u;
  51         hashValue += prevHash;
  52         return hashValue;
  53     }
  54
  55     // Read network parameters
  56     bool read_parameters(std::istream&) { return true; }
  57
  58     // Write network parameters
  59     bool write_parameters(std::ostream&) const { return true; }
  60
  61     // Forward propagation
  62     void propagate(const InputType* input, OutputType* output) const {
  63
  64 #if defined(USE_SSE2)
  65         constexpr IndexType NumChunks = InputDimensions / 16;
  66
  67         static_assert(WeightScaleBits == 6);
  68         const auto in  = reinterpret_cast<const __m128i*>(input);
  69         const auto out = reinterpret_cast<__m128i*>(output);
  70         for (IndexType i = 0; i < NumChunks; ++i)
  71         {
  72             __m128i words0 =
  73               _mm_packs_epi32(_mm_load_si128(&in[i * 4 + 0]), _mm_load_si128(&in[i * 4 + 1]));
  74             __m128i words1 =
  75               _mm_packs_epi32(_mm_load_si128(&in[i * 4 + 2]), _mm_load_si128(&in[i * 4 + 3]));
  76
  77             // We shift by WeightScaleBits * 2 = 12 and divide by 128
  78             // which is an additional shift-right of 7, meaning 19 in total.
  79             // MulHi strips the lower 16 bits so we need to shift out 3 more to match.
  80             words0 = _mm_srli_epi16(_mm_mulhi_epi16(words0, words0), 3);
  81             words1 = _mm_srli_epi16(_mm_mulhi_epi16(words1, words1), 3);
  82
  83             _mm_store_si128(&out[i], _mm_packs_epi16(words0, words1));
  84         }
  85         constexpr IndexType Start = NumChunks * 16;
  86
  87 #else
  88         constexpr IndexType Start = 0;
  89 #endif
  90
  91         for (IndexType i = Start; i < InputDimensions; ++i)
  92         {
  93             output[i] = static_cast<OutputType>(
  94               // Really should be /127 but we need to make it fast so we right shift
  95               // by an extra 7 bits instead. Needs to be accounted for in the trainer.
  96               std::min(127ll, ((long long) (input[i]) * input[i]) >> (2 * WeightScaleBits + 7)));
  97         }
  98     }
  99 };
 100
 101 }  // namespace Stockfish::Eval::NNUE::Layers
 102
 103 #endif  // NNUE_LAYERS_SQR_CLIPPED_RELU_H_INCLUDED