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     #ifdef VECTOR
 128     static constexpr IndexType TileHeight = NumRegs * sizeof(vec_t) / 2;
 129     static constexpr IndexType PsqtTileHeight = NumPsqtRegs * sizeof(psqt_vec_t) / 4;
 130     static_assert(HalfDimensions % TileHeight == 0, "TileHeight must divide HalfDimensions");
 131     static_assert(PSQTBuckets % PsqtTileHeight == 0, "PsqtTileHeight must divide PSQTBuckets");
 132     #endif
 133
 134    public:
 135     // Output type
 136     using OutputType = TransformedFeatureType;
 137
 138     // Number of input/output dimensions
 139     static constexpr IndexType InputDimensions = FeatureSet::Dimensions;
 140     static constexpr IndexType OutputDimensions = HalfDimensions * 2;
 141
 142     // Size of forward propagation buffer
 143     static constexpr std::size_t BufferSize =
 144         OutputDimensions * sizeof(OutputType);
 145
 146     // Hash value embedded in the evaluation file
 147     static constexpr std::uint32_t get_hash_value() {
 148       return FeatureSet::HashValue ^ OutputDimensions;
 149     }
 150
 151     // Read network parameters
 152     bool read_parameters(std::istream& stream) {
 153       for (std::size_t i = 0; i < HalfDimensions; ++i)
 154         biases[i] = read_little_endian<BiasType>(stream);
 155       for (std::size_t i = 0; i < HalfDimensions * InputDimensions; ++i)
 156         weights[i] = read_little_endian<WeightType>(stream);
 157       for (std::size_t i = 0; i < PSQTBuckets * InputDimensions; ++i)
 158         psqtWeights[i] = read_little_endian<PSQTWeightType>(stream);
 159       return !stream.fail();
 160     }
 161
 162     // Write network parameters
 163     bool write_parameters(std::ostream& stream) const {
 164       for (std::size_t i = 0; i < HalfDimensions; ++i)
 165         write_little_endian<BiasType>(stream, biases[i]);
 166       for (std::size_t i = 0; i < HalfDimensions * InputDimensions; ++i)
 167         write_little_endian<WeightType>(stream, weights[i]);
 168       for (std::size_t i = 0; i < PSQTBuckets * InputDimensions; ++i)
 169         write_little_endian<PSQTWeightType>(stream, psqtWeights[i]);
 170       return !stream.fail();
 171     }
 172
 173     // Convert input features
 174     std::int32_t 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 defined(USE_AVX512)
 188       constexpr IndexType NumChunks = HalfDimensions / (SimdWidth * 2);
 189       static_assert(HalfDimensions % (SimdWidth * 2) == 0);
 190       const __m512i Control = _mm512_setr_epi64(0, 2, 4, 6, 1, 3, 5, 7);
 191       const __m512i Zero = _mm512_setzero_si512();
 192
 193   #elif defined(USE_AVX2)
 194       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 195       constexpr int Control = 0b11011000;
 196       const __m256i Zero = _mm256_setzero_si256();
 197
 198   #elif defined(USE_SSE2)
 199       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 200
 201   #ifdef USE_SSE41
 202       const __m128i Zero = _mm_setzero_si128();
 203   #else
 204       const __m128i k0x80s = _mm_set1_epi8(-128);
 205   #endif
 206
 207   #elif defined(USE_MMX)
 208       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 209       const __m64 k0x80s = _mm_set1_pi8(-128);
 210
 211   #elif defined(USE_NEON)
 212       constexpr IndexType NumChunks = HalfDimensions / (SimdWidth / 2);
 213       const int8x8_t Zero = {0};
 214   #endif
 215
 216       for (IndexType p = 0; p < 2; ++p) {
 217         const IndexType offset = HalfDimensions * p;
 218
 219   #if defined(USE_AVX512)
 220         auto out = reinterpret_cast<__m512i*>(&output[offset]);
 221         for (IndexType j = 0; j < NumChunks; ++j) {
 222           __m512i sum0 = _mm512_load_si512(
 223               &reinterpret_cast<const __m512i*>(accumulation[perspectives[p]])[j * 2 + 0]);
 224           __m512i sum1 = _mm512_load_si512(
 225               &reinterpret_cast<const __m512i*>(accumulation[perspectives[p]])[j * 2 + 1]);
 226           _mm512_store_si512(&out[j], _mm512_permutexvar_epi64(Control,
 227               _mm512_max_epi8(_mm512_packs_epi16(sum0, sum1), Zero)));
 228         }
 229
 230   #elif defined(USE_AVX2)
 231         auto out = reinterpret_cast<__m256i*>(&output[offset]);
 232         for (IndexType j = 0; j < NumChunks; ++j) {
 233           __m256i sum0 = _mm256_load_si256(
 234               &reinterpret_cast<const __m256i*>(accumulation[perspectives[p]])[j * 2 + 0]);
 235           __m256i sum1 = _mm256_load_si256(
 236               &reinterpret_cast<const __m256i*>(accumulation[perspectives[p]])[j * 2 + 1]);
 237           _mm256_store_si256(&out[j], _mm256_permute4x64_epi64(_mm256_max_epi8(
 238               _mm256_packs_epi16(sum0, sum1), Zero), Control));
 239         }
 240
 241   #elif defined(USE_SSE2)
 242         auto out = reinterpret_cast<__m128i*>(&output[offset]);
 243         for (IndexType j = 0; j < NumChunks; ++j) {
 244           __m128i sum0 = _mm_load_si128(&reinterpret_cast<const __m128i*>(
 245               accumulation[perspectives[p]])[j * 2 + 0]);
 246           __m128i sum1 = _mm_load_si128(&reinterpret_cast<const __m128i*>(
 247               accumulation[perspectives[p]])[j * 2 + 1]);
 248       const __m128i packedbytes = _mm_packs_epi16(sum0, sum1);
 249
 250           _mm_store_si128(&out[j],
 251
 252   #ifdef USE_SSE41
 253               _mm_max_epi8(packedbytes, Zero)
 254   #else
 255               _mm_subs_epi8(_mm_adds_epi8(packedbytes, k0x80s), k0x80s)
 256   #endif
 257
 258           );
 259         }
 260
 261   #elif defined(USE_MMX)
 262         auto out = reinterpret_cast<__m64*>(&output[offset]);
 263         for (IndexType j = 0; j < NumChunks; ++j) {
 264           __m64 sum0 = *(&reinterpret_cast<const __m64*>(
 265               accumulation[perspectives[p]])[j * 2 + 0]);
 266           __m64 sum1 = *(&reinterpret_cast<const __m64*>(
 267               accumulation[perspectives[p]])[j * 2 + 1]);
 268           const __m64 packedbytes = _mm_packs_pi16(sum0, sum1);
 269           out[j] = _mm_subs_pi8(_mm_adds_pi8(packedbytes, k0x80s), k0x80s);
 270         }
 271
 272   #elif defined(USE_NEON)
 273         const auto out = reinterpret_cast<int8x8_t*>(&output[offset]);
 274         for (IndexType j = 0; j < NumChunks; ++j) {
 275           int16x8_t sum = reinterpret_cast<const int16x8_t*>(
 276               accumulation[perspectives[p]])[j];
 277           out[j] = vmax_s8(vqmovn_s16(sum), Zero);
 278         }
 279
 280   #else
 281         for (IndexType j = 0; j < HalfDimensions; ++j) {
 282           BiasType sum = accumulation[static_cast<int>(perspectives[p])][j];
 283           output[offset + j] = static_cast<OutputType>(
 284               std::max<int>(0, std::min<int>(127, sum)));
 285         }
 286   #endif
 287
 288       }
 289   #if defined(USE_MMX)
 290       _mm_empty();
 291   #endif
 292
 293       return psqt;
 294     }
 295
 296    private:
 297     void update_accumulator(const Position& pos, const Color perspective) const {
 298
 299       // The size must be enough to contain the largest possible update.
 300       // That might depend on the feature set and generally relies on the
 301       // feature set's update cost calculation to be correct and never
 302       // allow updates with more added/removed features than MaxActiveDimensions.
 303       using IndexList = ValueList<IndexType, FeatureSet::MaxActiveDimensions>;
 304
 305   #ifdef VECTOR
 306       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 307       // is defined in the VECTOR code below, once in each branch
 308       vec_t acc[NumRegs];
 309       psqt_vec_t psqt[NumPsqtRegs];
 310   #endif
 311
 312       // Look for a usable accumulator of an earlier position. We keep track
 313       // of the estimated gain in terms of features to be added/subtracted.
 314       StateInfo *st = pos.state(), *next = nullptr;
 315       int gain = FeatureSet::refresh_cost(pos);
 316       while (st->accumulator.state[perspective] == EMPTY)
 317       {
 318         // This governs when a full feature refresh is needed and how many
 319         // updates are better than just one full refresh.
 320         if (   FeatureSet::requires_refresh(st, perspective)
 321             || (gain -= FeatureSet::update_cost(st) + 1) < 0)
 322           break;
 323         next = st;
 324         st = st->previous;
 325       }
 326
 327       if (st->accumulator.state[perspective] == COMPUTED)
 328       {
 329         if (next == nullptr)
 330           return;
 331
 332         // Update incrementally in two steps. First, we update the "next"
 333         // accumulator. Then, we update the current accumulator (pos.state()).
 334
 335         // Gather all features to be updated.
 336         const Square ksq = pos.square<KING>(perspective);
 337         IndexList removed[2], added[2];
 338         FeatureSet::append_changed_indices(
 339           ksq, next, perspective, removed[0], added[0]);
 340         for (StateInfo *st2 = pos.state(); st2 != next; st2 = st2->previous)
 341           FeatureSet::append_changed_indices(
 342             ksq, st2, perspective, removed[1], added[1]);
 343
 344         // Mark the accumulators as computed.
 345         next->accumulator.state[perspective] = COMPUTED;
 346         pos.state()->accumulator.state[perspective] = COMPUTED;
 347
 348         // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 349         StateInfo *states_to_update[3] =
 350           { next, next == pos.state() ? nullptr : pos.state(), nullptr };
 351   #ifdef VECTOR
 352         for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 353         {
 354           // Load accumulator
 355           auto accTile = reinterpret_cast<vec_t*>(
 356             &st->accumulator.accumulation[perspective][j * TileHeight]);
 357           for (IndexType k = 0; k < NumRegs; ++k)
 358             acc[k] = vec_load(&accTile[k]);
 359
 360           for (IndexType i = 0; states_to_update[i]; ++i)
 361           {
 362             // Difference calculation for the deactivated features
 363             for (const auto index : removed[i])
 364             {
 365               const IndexType offset = HalfDimensions * index + j * TileHeight;
 366               auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 367               for (IndexType k = 0; k < NumRegs; ++k)
 368                 acc[k] = vec_sub_16(acc[k], column[k]);
 369             }
 370
 371             // Difference calculation for the activated features
 372             for (const auto index : added[i])
 373             {
 374               const IndexType offset = HalfDimensions * index + j * TileHeight;
 375               auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 376               for (IndexType k = 0; k < NumRegs; ++k)
 377                 acc[k] = vec_add_16(acc[k], column[k]);
 378             }
 379
 380             // Store accumulator
 381             accTile = reinterpret_cast<vec_t*>(
 382               &states_to_update[i]->accumulator.accumulation[perspective][j * TileHeight]);
 383             for (IndexType k = 0; k < NumRegs; ++k)
 384               vec_store(&accTile[k], acc[k]);
 385           }
 386         }
 387
 388         for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 389         {
 390           // Load accumulator
 391           auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 392             &st->accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 393           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 394             psqt[k] = vec_load_psqt(&accTilePsqt[k]);
 395
 396           for (IndexType i = 0; states_to_update[i]; ++i)
 397           {
 398             // Difference calculation for the deactivated features
 399             for (const auto index : removed[i])
 400             {
 401               const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 402               auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 403               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 404                 psqt[k] = vec_sub_psqt_32(psqt[k], columnPsqt[k]);
 405             }
 406
 407             // Difference calculation for the activated features
 408             for (const auto index : added[i])
 409             {
 410               const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 411               auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 412               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 413                 psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 414             }
 415
 416             // Store accumulator
 417             accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 418               &states_to_update[i]->accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 419             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 420               vec_store_psqt(&accTilePsqt[k], psqt[k]);
 421           }
 422         }
 423
 424   #else
 425         for (IndexType i = 0; states_to_update[i]; ++i)
 426         {
 427           std::memcpy(states_to_update[i]->accumulator.accumulation[perspective],
 428               st->accumulator.accumulation[perspective],
 429               HalfDimensions * sizeof(BiasType));
 430
 431           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 432             states_to_update[i]->accumulator.psqtAccumulation[perspective][k] = st->accumulator.psqtAccumulation[perspective][k];
 433
 434           st = states_to_update[i];
 435
 436           // Difference calculation for the deactivated features
 437           for (const auto index : removed[i])
 438           {
 439             const IndexType offset = HalfDimensions * index;
 440
 441             for (IndexType j = 0; j < HalfDimensions; ++j)
 442               st->accumulator.accumulation[perspective][j] -= weights[offset + j];
 443
 444             for (std::size_t k = 0; k < PSQTBuckets; ++k)
 445               st->accumulator.psqtAccumulation[perspective][k] -= psqtWeights[index * PSQTBuckets + k];
 446           }
 447
 448           // Difference calculation for the activated features
 449           for (const auto index : added[i])
 450           {
 451             const IndexType offset = HalfDimensions * index;
 452
 453             for (IndexType j = 0; j < HalfDimensions; ++j)
 454               st->accumulator.accumulation[perspective][j] += weights[offset + j];
 455
 456             for (std::size_t k = 0; k < PSQTBuckets; ++k)
 457               st->accumulator.psqtAccumulation[perspective][k] += psqtWeights[index * PSQTBuckets + k];
 458           }
 459         }
 460   #endif
 461       }
 462       else
 463       {
 464         // Refresh the accumulator
 465         auto& accumulator = pos.state()->accumulator;
 466         accumulator.state[perspective] = COMPUTED;
 467         IndexList active;
 468         FeatureSet::append_active_indices(pos, perspective, active);
 469
 470   #ifdef VECTOR
 471         for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 472         {
 473           auto biasesTile = reinterpret_cast<const vec_t*>(
 474               &biases[j * TileHeight]);
 475           for (IndexType k = 0; k < NumRegs; ++k)
 476             acc[k] = biasesTile[k];
 477
 478           for (const auto index : active)
 479           {
 480             const IndexType offset = HalfDimensions * index + j * TileHeight;
 481             auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 482
 483             for (unsigned k = 0; k < NumRegs; ++k)
 484               acc[k] = vec_add_16(acc[k], column[k]);
 485           }
 486
 487           auto accTile = reinterpret_cast<vec_t*>(
 488               &accumulator.accumulation[perspective][j * TileHeight]);
 489           for (unsigned k = 0; k < NumRegs; k++)
 490             vec_store(&accTile[k], acc[k]);
 491         }
 492
 493         for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 494         {
 495           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 496             psqt[k] = vec_zero_psqt();
 497
 498           for (const auto index : active)
 499           {
 500             const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 501             auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 502
 503             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 504               psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 505           }
 506
 507           auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 508             &accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 509           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 510             vec_store_psqt(&accTilePsqt[k], psqt[k]);
 511         }
 512
 513   #else
 514         std::memcpy(accumulator.accumulation[perspective], biases,
 515             HalfDimensions * sizeof(BiasType));
 516
 517         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 518           accumulator.psqtAccumulation[perspective][k] = 0;
 519
 520         for (const auto index : active)
 521         {
 522           const IndexType offset = HalfDimensions * index;
 523
 524           for (IndexType j = 0; j < HalfDimensions; ++j)
 525             accumulator.accumulation[perspective][j] += weights[offset + j];
 526
 527           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 528             accumulator.psqtAccumulation[perspective][k] += psqtWeights[index * PSQTBuckets + k];
 529         }
 530   #endif
 531       }
 532
 533   #if defined(USE_MMX)
 534       _mm_empty();
 535   #endif
 536     }
 537
 538     using BiasType = std::int16_t;
 539     using WeightType = std::int16_t;
 540     using PSQTWeightType = std::int32_t;
 541
 542     alignas(CacheLineSize) BiasType biases[HalfDimensions];
 543     alignas(CacheLineSize) WeightType weights[HalfDimensions * InputDimensions];
 544     alignas(CacheLineSize) PSQTWeightType psqtWeights[InputDimensions * PSQTBuckets];
 545   };
 546
 547 }  // namespace Stockfish::Eval::NNUE
 548
 549 #endif // #ifndef NNUE_FEATURE_TRANSFORMER_H_INCLUDED