git.sesse.net Git - stockfish/blob - src/nnue/nnue_feature_transformer.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 // A class that converts the input features of the NNUE evaluation function
  20
  21 #ifndef NNUE_FEATURE_TRANSFORMER_H_INCLUDED
  22 #define NNUE_FEATURE_TRANSFORMER_H_INCLUDED
  23
  24 #include "nnue_common.h"
  25 #include "nnue_architecture.h"
  26
  27 #include "../misc.h"
  28
  29 #include <cstring> // std::memset()
  30
  31 namespace Stockfish::Eval::NNUE {
  32
  33   // If vector instructions are enabled, we update and refresh the
  34   // accumulator tile by tile such that each tile fits in the CPU's
  35   // vector registers.
  36   #define VECTOR
  37
  38   static_assert(PSQTBuckets == 8, "Assumed by the current choice of constants.");
  39
  40   #ifdef USE_AVX512
  41   typedef __m512i vec_t;
  42   typedef __m256i psqt_vec_t;
  43   #define vec_load(a) _mm512_load_si512(a)
  44   #define vec_store(a,b) _mm512_store_si512(a,b)
  45   #define vec_add_16(a,b) _mm512_add_epi16(a,b)
  46   #define vec_sub_16(a,b) _mm512_sub_epi16(a,b)
  47   #define vec_load_psqt(a) _mm256_load_si256(a)
  48   #define vec_store_psqt(a,b) _mm256_store_si256(a,b)
  49   #define vec_add_psqt_32(a,b) _mm256_add_epi32(a,b)
  50   #define vec_sub_psqt_32(a,b) _mm256_sub_epi32(a,b)
  51   #define vec_zero_psqt() _mm256_setzero_si256()
  52   static constexpr IndexType NumRegs = 8; // only 8 are needed
  53   static constexpr IndexType NumPsqtRegs = 1;
  54
  55   #elif USE_AVX2
  56   typedef __m256i vec_t;
  57   typedef __m256i psqt_vec_t;
  58   #define vec_load(a) _mm256_load_si256(a)
  59   #define vec_store(a,b) _mm256_store_si256(a,b)
  60   #define vec_add_16(a,b) _mm256_add_epi16(a,b)
  61   #define vec_sub_16(a,b) _mm256_sub_epi16(a,b)
  62   #define vec_load_psqt(a) _mm256_load_si256(a)
  63   #define vec_store_psqt(a,b) _mm256_store_si256(a,b)
  64   #define vec_add_psqt_32(a,b) _mm256_add_epi32(a,b)
  65   #define vec_sub_psqt_32(a,b) _mm256_sub_epi32(a,b)
  66   #define vec_zero_psqt() _mm256_setzero_si256()
  67   static constexpr IndexType NumRegs = 16;
  68   static constexpr IndexType NumPsqtRegs = 1;
  69
  70   #elif USE_SSE2
  71   typedef __m128i vec_t;
  72   typedef __m128i psqt_vec_t;
  73   #define vec_load(a) (*(a))
  74   #define vec_store(a,b) *(a)=(b)
  75   #define vec_add_16(a,b) _mm_add_epi16(a,b)
  76   #define vec_sub_16(a,b) _mm_sub_epi16(a,b)
  77   #define vec_load_psqt(a) (*(a))
  78   #define vec_store_psqt(a,b) *(a)=(b)
  79   #define vec_add_psqt_32(a,b) _mm_add_epi32(a,b)
  80   #define vec_sub_psqt_32(a,b) _mm_sub_epi32(a,b)
  81   #define vec_zero_psqt() _mm_setzero_si128()
  82   static constexpr IndexType NumRegs = Is64Bit ? 16 : 8;
  83   static constexpr IndexType NumPsqtRegs = 2;
  84
  85   #elif USE_MMX
  86   typedef __m64 vec_t;
  87   typedef __m64 psqt_vec_t;
  88   #define vec_load(a) (*(a))
  89   #define vec_store(a,b) *(a)=(b)
  90   #define vec_add_16(a,b) _mm_add_pi16(a,b)
  91   #define vec_sub_16(a,b) _mm_sub_pi16(a,b)
  92   #define vec_load_psqt(a) (*(a))
  93   #define vec_store_psqt(a,b) *(a)=(b)
  94   #define vec_add_psqt_32(a,b) _mm_add_pi32(a,b)
  95   #define vec_sub_psqt_32(a,b) _mm_sub_pi32(a,b)
  96   #define vec_zero_psqt() _mm_setzero_si64()
  97   static constexpr IndexType NumRegs = 8;
  98   static constexpr IndexType NumPsqtRegs = 4;
  99
 100   #elif USE_NEON
 101   typedef int16x8_t vec_t;
 102   typedef int32x4_t psqt_vec_t;
 103   #define vec_load(a) (*(a))
 104   #define vec_store(a,b) *(a)=(b)
 105   #define vec_add_16(a,b) vaddq_s16(a,b)
 106   #define vec_sub_16(a,b) vsubq_s16(a,b)
 107   #define vec_load_psqt(a) (*(a))
 108   #define vec_store_psqt(a,b) *(a)=(b)
 109   #define vec_add_psqt_32(a,b) vaddq_s32(a,b)
 110   #define vec_sub_psqt_32(a,b) vsubq_s32(a,b)
 111   #define vec_zero_psqt() psqt_vec_t{0}
 112   static constexpr IndexType NumRegs = 16;
 113   static constexpr IndexType NumPsqtRegs = 2;
 114
 115   #else
 116   #undef VECTOR
 117
 118   #endif
 119
 120   // Input feature converter
 121   class FeatureTransformer {
 122
 123    private:
 124     // Number of output dimensions for one side
 125     static constexpr IndexType HalfDimensions = TransformedFeatureDimensions;
 126
 127     static constexpr int LazyThreshold = 1400;
 128
 129     #ifdef VECTOR
 130     static constexpr IndexType TileHeight = NumRegs * sizeof(vec_t) / 2;
 131     static constexpr IndexType PsqtTileHeight = NumPsqtRegs * sizeof(psqt_vec_t) / 4;
 132     static_assert(HalfDimensions % TileHeight == 0, "TileHeight must divide HalfDimensions");
 133     static_assert(PSQTBuckets % PsqtTileHeight == 0, "PsqtTileHeight must divide PSQTBuckets");
 134     #endif
 135
 136    public:
 137     // Output type
 138     using OutputType = TransformedFeatureType;
 139
 140     // Number of input/output dimensions
 141     static constexpr IndexType InputDimensions = FeatureSet::Dimensions;
 142     static constexpr IndexType OutputDimensions = HalfDimensions * 2;
 143
 144     // Size of forward propagation buffer
 145     static constexpr std::size_t BufferSize =
 146         OutputDimensions * sizeof(OutputType);
 147
 148     // Hash value embedded in the evaluation file
 149     static constexpr std::uint32_t get_hash_value() {
 150       return FeatureSet::HashValue ^ OutputDimensions;
 151     }
 152
 153     // Read network parameters
 154     bool read_parameters(std::istream& stream) {
 155       for (std::size_t i = 0; i < HalfDimensions; ++i)
 156         biases[i] = read_little_endian<BiasType>(stream);
 157       for (std::size_t i = 0; i < HalfDimensions * InputDimensions; ++i)
 158         weights[i] = read_little_endian<WeightType>(stream);
 159       for (std::size_t i = 0; i < PSQTBuckets * InputDimensions; ++i)
 160         psqtWeights[i] = read_little_endian<PSQTWeightType>(stream);
 161       return !stream.fail();
 162     }
 163
 164     // Write network parameters
 165     bool write_parameters(std::ostream& stream) const {
 166       for (std::size_t i = 0; i < HalfDimensions; ++i)
 167         write_little_endian<BiasType>(stream, biases[i]);
 168       for (std::size_t i = 0; i < HalfDimensions * InputDimensions; ++i)
 169         write_little_endian<WeightType>(stream, weights[i]);
 170       return !stream.fail();
 171     }
 172
 173     // Convert input features
 174     std::pair<std::int32_t, bool> transform(const Position& pos, OutputType* output, int bucket) const {
 175       update_accumulator(pos, WHITE);
 176       update_accumulator(pos, BLACK);
 177
 178       const Color perspectives[2] = {pos.side_to_move(), ~pos.side_to_move()};
 179       const auto& accumulation = pos.state()->accumulator.accumulation;
 180       const auto& psqtAccumulation = pos.state()->accumulator.psqtAccumulation;
 181
 182       const auto psqt = (
 183             psqtAccumulation[static_cast<int>(perspectives[0])][bucket]
 184           - psqtAccumulation[static_cast<int>(perspectives[1])][bucket]
 185         ) / 2;
 186
 187       if (abs(psqt) > LazyThreshold * OutputScale)
 188         return { psqt, true };
 189
 190   #if defined(USE_AVX512)
 191       constexpr IndexType NumChunks = HalfDimensions / (SimdWidth * 2);
 192       static_assert(HalfDimensions % (SimdWidth * 2) == 0);
 193       const __m512i Control = _mm512_setr_epi64(0, 2, 4, 6, 1, 3, 5, 7);
 194       const __m512i Zero = _mm512_setzero_si512();
 195
 196   #elif defined(USE_AVX2)
 197       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 198       constexpr int Control = 0b11011000;
 199       const __m256i Zero = _mm256_setzero_si256();
 200
 201   #elif defined(USE_SSE2)
 202       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 203
 204   #ifdef USE_SSE41
 205       const __m128i Zero = _mm_setzero_si128();
 206   #else
 207       const __m128i k0x80s = _mm_set1_epi8(-128);
 208   #endif
 209
 210   #elif defined(USE_MMX)
 211       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 212       const __m64 k0x80s = _mm_set1_pi8(-128);
 213
 214   #elif defined(USE_NEON)
 215       constexpr IndexType NumChunks = HalfDimensions / (SimdWidth / 2);
 216       const int8x8_t Zero = {0};
 217   #endif
 218
 219       for (IndexType p = 0; p < 2; ++p) {
 220         const IndexType offset = HalfDimensions * p;
 221
 222   #if defined(USE_AVX512)
 223         auto out = reinterpret_cast<__m512i*>(&output[offset]);
 224         for (IndexType j = 0; j < NumChunks; ++j) {
 225           __m512i sum0 = _mm512_load_si512(
 226               &reinterpret_cast<const __m512i*>(accumulation[perspectives[p]])[j * 2 + 0]);
 227           __m512i sum1 = _mm512_load_si512(
 228               &reinterpret_cast<const __m512i*>(accumulation[perspectives[p]])[j * 2 + 1]);
 229           _mm512_store_si512(&out[j], _mm512_permutexvar_epi64(Control,
 230               _mm512_max_epi8(_mm512_packs_epi16(sum0, sum1), Zero)));
 231         }
 232
 233   #elif defined(USE_AVX2)
 234         auto out = reinterpret_cast<__m256i*>(&output[offset]);
 235         for (IndexType j = 0; j < NumChunks; ++j) {
 236           __m256i sum0 = _mm256_load_si256(
 237               &reinterpret_cast<const __m256i*>(accumulation[perspectives[p]])[j * 2 + 0]);
 238           __m256i sum1 = _mm256_load_si256(
 239               &reinterpret_cast<const __m256i*>(accumulation[perspectives[p]])[j * 2 + 1]);
 240           _mm256_store_si256(&out[j], _mm256_permute4x64_epi64(_mm256_max_epi8(
 241               _mm256_packs_epi16(sum0, sum1), Zero), Control));
 242         }
 243
 244   #elif defined(USE_SSE2)
 245         auto out = reinterpret_cast<__m128i*>(&output[offset]);
 246         for (IndexType j = 0; j < NumChunks; ++j) {
 247           __m128i sum0 = _mm_load_si128(&reinterpret_cast<const __m128i*>(
 248               accumulation[perspectives[p]])[j * 2 + 0]);
 249           __m128i sum1 = _mm_load_si128(&reinterpret_cast<const __m128i*>(
 250               accumulation[perspectives[p]])[j * 2 + 1]);
 251       const __m128i packedbytes = _mm_packs_epi16(sum0, sum1);
 252
 253           _mm_store_si128(&out[j],
 254
 255   #ifdef USE_SSE41
 256               _mm_max_epi8(packedbytes, Zero)
 257   #else
 258               _mm_subs_epi8(_mm_adds_epi8(packedbytes, k0x80s), k0x80s)
 259   #endif
 260
 261           );
 262         }
 263
 264   #elif defined(USE_MMX)
 265         auto out = reinterpret_cast<__m64*>(&output[offset]);
 266         for (IndexType j = 0; j < NumChunks; ++j) {
 267           __m64 sum0 = *(&reinterpret_cast<const __m64*>(
 268               accumulation[perspectives[p]])[j * 2 + 0]);
 269           __m64 sum1 = *(&reinterpret_cast<const __m64*>(
 270               accumulation[perspectives[p]])[j * 2 + 1]);
 271           const __m64 packedbytes = _mm_packs_pi16(sum0, sum1);
 272           out[j] = _mm_subs_pi8(_mm_adds_pi8(packedbytes, k0x80s), k0x80s);
 273         }
 274
 275   #elif defined(USE_NEON)
 276         const auto out = reinterpret_cast<int8x8_t*>(&output[offset]);
 277         for (IndexType j = 0; j < NumChunks; ++j) {
 278           int16x8_t sum = reinterpret_cast<const int16x8_t*>(
 279               accumulation[perspectives[p]])[j];
 280           out[j] = vmax_s8(vqmovn_s16(sum), Zero);
 281         }
 282
 283   #else
 284         for (IndexType j = 0; j < HalfDimensions; ++j) {
 285           BiasType sum = accumulation[static_cast<int>(perspectives[p])][j];
 286           output[offset + j] = static_cast<OutputType>(
 287               std::max<int>(0, std::min<int>(127, sum)));
 288         }
 289   #endif
 290
 291       }
 292   #if defined(USE_MMX)
 293       _mm_empty();
 294   #endif
 295
 296       return { psqt, false };
 297     }
 298
 299    private:
 300     void update_accumulator(const Position& pos, const Color perspective) const {
 301
 302       // The size must be enough to contain the largest possible update.
 303       // That might depend on the feature set and generally relies on the
 304       // feature set's update cost calculation to be correct and never
 305       // allow updates with more added/removed features than MaxActiveDimensions.
 306       using IndexList = ValueList<IndexType, FeatureSet::MaxActiveDimensions>;
 307
 308   #ifdef VECTOR
 309       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 310       // is defined in the VECTOR code below, once in each branch
 311       vec_t acc[NumRegs];
 312       psqt_vec_t psqt[NumPsqtRegs];
 313   #endif
 314
 315       // Look for a usable accumulator of an earlier position. We keep track
 316       // of the estimated gain in terms of features to be added/subtracted.
 317       StateInfo *st = pos.state(), *next = nullptr;
 318       int gain = FeatureSet::refresh_cost(pos);
 319       while (st->accumulator.state[perspective] == EMPTY)
 320       {
 321         // This governs when a full feature refresh is needed and how many
 322         // updates are better than just one full refresh.
 323         if (   FeatureSet::requires_refresh(st, perspective)
 324             || (gain -= FeatureSet::update_cost(st) + 1) < 0)
 325           break;
 326         next = st;
 327         st = st->previous;
 328       }
 329
 330       if (st->accumulator.state[perspective] == COMPUTED)
 331       {
 332         if (next == nullptr)
 333           return;
 334
 335         // Update incrementally in two steps. First, we update the "next"
 336         // accumulator. Then, we update the current accumulator (pos.state()).
 337
 338         // Gather all features to be updated.
 339         const Square ksq = pos.square<KING>(perspective);
 340         IndexList removed[2], added[2];
 341         FeatureSet::append_changed_indices(
 342           ksq, next, perspective, removed[0], added[0]);
 343         for (StateInfo *st2 = pos.state(); st2 != next; st2 = st2->previous)
 344           FeatureSet::append_changed_indices(
 345             ksq, st2, perspective, removed[1], added[1]);
 346
 347         // Mark the accumulators as computed.
 348         next->accumulator.state[perspective] = COMPUTED;
 349         pos.state()->accumulator.state[perspective] = COMPUTED;
 350
 351         // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 352         StateInfo *states_to_update[3] =
 353           { next, next == pos.state() ? nullptr : pos.state(), nullptr };
 354   #ifdef VECTOR
 355         for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 356         {
 357           // Load accumulator
 358           auto accTile = reinterpret_cast<vec_t*>(
 359             &st->accumulator.accumulation[perspective][j * TileHeight]);
 360           for (IndexType k = 0; k < NumRegs; ++k)
 361             acc[k] = vec_load(&accTile[k]);
 362
 363           for (IndexType i = 0; states_to_update[i]; ++i)
 364           {
 365             // Difference calculation for the deactivated features
 366             for (const auto index : removed[i])
 367             {
 368               const IndexType offset = HalfDimensions * index + j * TileHeight;
 369               auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 370               for (IndexType k = 0; k < NumRegs; ++k)
 371                 acc[k] = vec_sub_16(acc[k], column[k]);
 372             }
 373
 374             // Difference calculation for the activated features
 375             for (const auto index : added[i])
 376             {
 377               const IndexType offset = HalfDimensions * index + j * TileHeight;
 378               auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 379               for (IndexType k = 0; k < NumRegs; ++k)
 380                 acc[k] = vec_add_16(acc[k], column[k]);
 381             }
 382
 383             // Store accumulator
 384             accTile = reinterpret_cast<vec_t*>(
 385               &states_to_update[i]->accumulator.accumulation[perspective][j * TileHeight]);
 386             for (IndexType k = 0; k < NumRegs; ++k)
 387               vec_store(&accTile[k], acc[k]);
 388           }
 389         }
 390
 391         for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 392         {
 393           // Load accumulator
 394           auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 395             &st->accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 396           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 397             psqt[k] = vec_load_psqt(&accTilePsqt[k]);
 398
 399           for (IndexType i = 0; states_to_update[i]; ++i)
 400           {
 401             // Difference calculation for the deactivated features
 402             for (const auto index : removed[i])
 403             {
 404               const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 405               auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 406               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 407                 psqt[k] = vec_sub_psqt_32(psqt[k], columnPsqt[k]);
 408             }
 409
 410             // Difference calculation for the activated features
 411             for (const auto index : added[i])
 412             {
 413               const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 414               auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 415               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 416                 psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 417             }
 418
 419             // Store accumulator
 420             accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 421               &states_to_update[i]->accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 422             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 423               vec_store_psqt(&accTilePsqt[k], psqt[k]);
 424           }
 425         }
 426
 427   #else
 428         for (IndexType i = 0; states_to_update[i]; ++i)
 429         {
 430           std::memcpy(states_to_update[i]->accumulator.accumulation[perspective],
 431               st->accumulator.accumulation[perspective],
 432               HalfDimensions * sizeof(BiasType));
 433
 434           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 435             states_to_update[i]->accumulator.psqtAccumulation[perspective][k] = st->accumulator.psqtAccumulation[perspective][k];
 436
 437           st = states_to_update[i];
 438
 439           // Difference calculation for the deactivated features
 440           for (const auto index : removed[i])
 441           {
 442             const IndexType offset = HalfDimensions * index;
 443
 444             for (IndexType j = 0; j < HalfDimensions; ++j)
 445               st->accumulator.accumulation[perspective][j] -= weights[offset + j];
 446
 447             for (std::size_t k = 0; k < PSQTBuckets; ++k)
 448               st->accumulator.psqtAccumulation[perspective][k] -= psqtWeights[index * PSQTBuckets + k];
 449           }
 450
 451           // Difference calculation for the activated features
 452           for (const auto index : added[i])
 453           {
 454             const IndexType offset = HalfDimensions * index;
 455
 456             for (IndexType j = 0; j < HalfDimensions; ++j)
 457               st->accumulator.accumulation[perspective][j] += weights[offset + j];
 458
 459             for (std::size_t k = 0; k < PSQTBuckets; ++k)
 460               st->accumulator.psqtAccumulation[perspective][k] += psqtWeights[index * PSQTBuckets + k];
 461           }
 462         }
 463   #endif
 464       }
 465       else
 466       {
 467         // Refresh the accumulator
 468         auto& accumulator = pos.state()->accumulator;
 469         accumulator.state[perspective] = COMPUTED;
 470         IndexList active;
 471         FeatureSet::append_active_indices(pos, perspective, active);
 472
 473   #ifdef VECTOR
 474         for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 475         {
 476           auto biasesTile = reinterpret_cast<const vec_t*>(
 477               &biases[j * TileHeight]);
 478           for (IndexType k = 0; k < NumRegs; ++k)
 479             acc[k] = biasesTile[k];
 480
 481           for (const auto index : active)
 482           {
 483             const IndexType offset = HalfDimensions * index + j * TileHeight;
 484             auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 485
 486             for (unsigned k = 0; k < NumRegs; ++k)
 487               acc[k] = vec_add_16(acc[k], column[k]);
 488           }
 489
 490           auto accTile = reinterpret_cast<vec_t*>(
 491               &accumulator.accumulation[perspective][j * TileHeight]);
 492           for (unsigned k = 0; k < NumRegs; k++)
 493             vec_store(&accTile[k], acc[k]);
 494         }
 495
 496         for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 497         {
 498           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 499             psqt[k] = vec_zero_psqt();
 500
 501           for (const auto index : active)
 502           {
 503             const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 504             auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 505
 506             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 507               psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 508           }
 509
 510           auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 511             &accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 512           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 513             vec_store_psqt(&accTilePsqt[k], psqt[k]);
 514         }
 515
 516   #else
 517         std::memcpy(accumulator.accumulation[perspective], biases,
 518             HalfDimensions * sizeof(BiasType));
 519
 520         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 521           accumulator.psqtAccumulation[perspective][k] = 0;
 522
 523         for (const auto index : active)
 524         {
 525           const IndexType offset = HalfDimensions * index;
 526
 527           for (IndexType j = 0; j < HalfDimensions; ++j)
 528             accumulator.accumulation[perspective][j] += weights[offset + j];
 529
 530           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 531             accumulator.psqtAccumulation[perspective][k] += psqtWeights[index * PSQTBuckets + k];
 532         }
 533   #endif
 534       }
 535
 536   #if defined(USE_MMX)
 537       _mm_empty();
 538   #endif
 539     }
 540
 541     using BiasType = std::int16_t;
 542     using WeightType = std::int16_t;
 543     using PSQTWeightType = std::int32_t;
 544
 545     alignas(CacheLineSize) BiasType biases[HalfDimensions];
 546     alignas(CacheLineSize) WeightType weights[HalfDimensions * InputDimensions];
 547     alignas(CacheLineSize) PSQTWeightType psqtWeights[InputDimensions * PSQTBuckets];
 548   };
 549
 550 }  // namespace Stockfish::Eval::NNUE
 551
 552 #endif // #ifndef NNUE_FEATURE_TRANSFORMER_H_INCLUDED