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) 2004-2022 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 <cstring> // std::memset()
  28
  29 namespace Stockfish::Eval::NNUE {
  30
  31   using BiasType       = std::int16_t;
  32   using WeightType     = std::int16_t;
  33   using PSQTWeightType = std::int32_t;
  34
  35   // If vector instructions are enabled, we update and refresh the
  36   // accumulator tile by tile such that each tile fits in the CPU's
  37   // vector registers.
  38   #define VECTOR
  39
  40   static_assert(PSQTBuckets % 8 == 0,
  41     "Per feature PSQT values cannot be processed at granularity lower than 8 at a time.");
  42
  43   #ifdef USE_AVX512
  44   typedef __m512i vec_t;
  45   typedef __m256i psqt_vec_t;
  46   #define vec_load(a) _mm512_load_si512(a)
  47   #define vec_store(a,b) _mm512_store_si512(a,b)
  48   #define vec_add_16(a,b) _mm512_add_epi16(a,b)
  49   #define vec_sub_16(a,b) _mm512_sub_epi16(a,b)
  50   #define vec_mul_16(a,b) _mm512_mullo_epi16(a,b)
  51   #define vec_zero() _mm512_setzero_epi32()
  52   #define vec_set_16(a) _mm512_set1_epi16(a)
  53   #define vec_max_16(a,b) _mm512_max_epi16(a,b)
  54   #define vec_min_16(a,b) _mm512_min_epi16(a,b)
  55   inline vec_t vec_msb_pack_16(vec_t a, vec_t b){
  56     vec_t compacted = _mm512_packs_epi16(_mm512_srli_epi16(a,7),_mm512_srli_epi16(b,7));
  57     return _mm512_permutexvar_epi64(_mm512_setr_epi64(0, 2, 4, 6, 1, 3, 5, 7), compacted);
  58   }
  59   #define vec_load_psqt(a) _mm256_load_si256(a)
  60   #define vec_store_psqt(a,b) _mm256_store_si256(a,b)
  61   #define vec_add_psqt_32(a,b) _mm256_add_epi32(a,b)
  62   #define vec_sub_psqt_32(a,b) _mm256_sub_epi32(a,b)
  63   #define vec_zero_psqt() _mm256_setzero_si256()
  64   #define NumRegistersSIMD 32
  65   #define MaxChunkSize 64
  66
  67   #elif USE_AVX2
  68   typedef __m256i vec_t;
  69   typedef __m256i psqt_vec_t;
  70   #define vec_load(a) _mm256_load_si256(a)
  71   #define vec_store(a,b) _mm256_store_si256(a,b)
  72   #define vec_add_16(a,b) _mm256_add_epi16(a,b)
  73   #define vec_sub_16(a,b) _mm256_sub_epi16(a,b)
  74   #define vec_mul_16(a,b) _mm256_mullo_epi16(a,b)
  75   #define vec_zero() _mm256_setzero_si256()
  76   #define vec_set_16(a) _mm256_set1_epi16(a)
  77   #define vec_max_16(a,b) _mm256_max_epi16(a,b)
  78   #define vec_min_16(a,b) _mm256_min_epi16(a,b)
  79   inline vec_t vec_msb_pack_16(vec_t a, vec_t b){
  80     vec_t compacted = _mm256_packs_epi16(_mm256_srli_epi16(a,7), _mm256_srli_epi16(b,7));
  81     return _mm256_permute4x64_epi64(compacted, 0b11011000);
  82   }
  83   #define vec_load_psqt(a) _mm256_load_si256(a)
  84   #define vec_store_psqt(a,b) _mm256_store_si256(a,b)
  85   #define vec_add_psqt_32(a,b) _mm256_add_epi32(a,b)
  86   #define vec_sub_psqt_32(a,b) _mm256_sub_epi32(a,b)
  87   #define vec_zero_psqt() _mm256_setzero_si256()
  88   #define NumRegistersSIMD 16
  89   #define MaxChunkSize 32
  90
  91   #elif USE_SSE2
  92   typedef __m128i vec_t;
  93   typedef __m128i psqt_vec_t;
  94   #define vec_load(a) (*(a))
  95   #define vec_store(a,b) *(a)=(b)
  96   #define vec_add_16(a,b) _mm_add_epi16(a,b)
  97   #define vec_sub_16(a,b) _mm_sub_epi16(a,b)
  98   #define vec_mul_16(a,b) _mm_mullo_epi16(a,b)
  99   #define vec_zero() _mm_setzero_si128()
 100   #define vec_set_16(a) _mm_set1_epi16(a)
 101   #define vec_max_16(a,b) _mm_max_epi16(a,b)
 102   #define vec_min_16(a,b) _mm_min_epi16(a,b)
 103   #define vec_msb_pack_16(a,b) _mm_packs_epi16(_mm_srli_epi16(a,7),_mm_srli_epi16(b,7))
 104   #define vec_load_psqt(a) (*(a))
 105   #define vec_store_psqt(a,b) *(a)=(b)
 106   #define vec_add_psqt_32(a,b) _mm_add_epi32(a,b)
 107   #define vec_sub_psqt_32(a,b) _mm_sub_epi32(a,b)
 108   #define vec_zero_psqt() _mm_setzero_si128()
 109   #define NumRegistersSIMD (Is64Bit ? 16 : 8)
 110   #define MaxChunkSize 16
 111
 112   #elif USE_MMX
 113   typedef __m64 vec_t;
 114   typedef __m64 psqt_vec_t;
 115   #define vec_load(a) (*(a))
 116   #define vec_store(a,b) *(a)=(b)
 117   #define vec_add_16(a,b) _mm_add_pi16(a,b)
 118   #define vec_sub_16(a,b) _mm_sub_pi16(a,b)
 119   #define vec_mul_16(a,b) _mm_mullo_pi16(a,b)
 120   #define vec_zero() _mm_setzero_si64()
 121   #define vec_set_16(a) _mm_set1_pi16(a)
 122   inline vec_t vec_max_16(vec_t a,vec_t b){
 123     vec_t comparison = _mm_cmpgt_pi16(a,b);
 124     return _mm_or_si64(_mm_and_si64(comparison, a), _mm_andnot_si64(comparison, b));
 125   }
 126   inline vec_t vec_min_16(vec_t a,vec_t b){
 127     vec_t comparison = _mm_cmpgt_pi16(a,b);
 128     return _mm_or_si64(_mm_and_si64(comparison, b), _mm_andnot_si64(comparison, a));
 129   }
 130   #define vec_msb_pack_16(a,b) _mm_packs_pi16(_mm_srli_pi16(a,7),_mm_srli_pi16(b,7))
 131   #define vec_load_psqt(a) (*(a))
 132   #define vec_store_psqt(a,b) *(a)=(b)
 133   #define vec_add_psqt_32(a,b) _mm_add_pi32(a,b)
 134   #define vec_sub_psqt_32(a,b) _mm_sub_pi32(a,b)
 135   #define vec_zero_psqt() _mm_setzero_si64()
 136   #define vec_cleanup() _mm_empty()
 137   #define NumRegistersSIMD 8
 138   #define MaxChunkSize 8
 139
 140   #elif USE_NEON
 141   typedef int16x8_t vec_t;
 142   typedef int32x4_t psqt_vec_t;
 143   #define vec_load(a) (*(a))
 144   #define vec_store(a,b) *(a)=(b)
 145   #define vec_add_16(a,b) vaddq_s16(a,b)
 146   #define vec_sub_16(a,b) vsubq_s16(a,b)
 147   #define vec_mul_16(a,b) vmulq_s16(a,b)
 148   #define vec_zero() vec_t{0}
 149   #define vec_set_16(a) vdupq_n_s16(a)
 150   #define vec_max_16(a,b) vmaxq_s16(a,b)
 151   #define vec_min_16(a,b) vminq_s16(a,b)
 152   inline vec_t vec_msb_pack_16(vec_t a, vec_t b){
 153     const int8x8_t shifta = vshrn_n_s16(a, 7);
 154     const int8x8_t shiftb = vshrn_n_s16(b, 7);
 155     const int8x16_t compacted = vcombine_s8(shifta,shiftb);
 156     return *reinterpret_cast<const vec_t*> (&compacted);
 157   }
 158   #define vec_load_psqt(a) (*(a))
 159   #define vec_store_psqt(a,b) *(a)=(b)
 160   #define vec_add_psqt_32(a,b) vaddq_s32(a,b)
 161   #define vec_sub_psqt_32(a,b) vsubq_s32(a,b)
 162   #define vec_zero_psqt() psqt_vec_t{0}
 163   #define NumRegistersSIMD 16
 164   #define MaxChunkSize 16
 165
 166   #else
 167   #undef VECTOR
 168
 169   #endif
 170
 171
 172   #ifdef VECTOR
 173
 174       // Compute optimal SIMD register count for feature transformer accumulation.
 175
 176       // We use __m* types as template arguments, which causes GCC to emit warnings
 177       // about losing some attribute information. This is irrelevant to us as we
 178       // only take their size, so the following pragma are harmless.
 179       #if defined(__GNUC__)
 180       #pragma GCC diagnostic push
 181       #pragma GCC diagnostic ignored "-Wignored-attributes"
 182       #endif
 183
 184       template <typename SIMDRegisterType,
 185                 typename LaneType,
 186                 int      NumLanes,
 187                 int      MaxRegisters>
 188       static constexpr int BestRegisterCount()
 189       {
 190           #define RegisterSize  sizeof(SIMDRegisterType)
 191           #define LaneSize      sizeof(LaneType)
 192
 193           static_assert(RegisterSize >= LaneSize);
 194           static_assert(MaxRegisters <= NumRegistersSIMD);
 195           static_assert(MaxRegisters > 0);
 196           static_assert(NumRegistersSIMD > 0);
 197           static_assert(RegisterSize % LaneSize == 0);
 198           static_assert((NumLanes * LaneSize) % RegisterSize == 0);
 199
 200           const int ideal = (NumLanes * LaneSize) / RegisterSize;
 201           if (ideal <= MaxRegisters)
 202             return ideal;
 203
 204           // Look for the largest divisor of the ideal register count that is smaller than MaxRegisters
 205           for (int divisor = MaxRegisters; divisor > 1; --divisor)
 206             if (ideal % divisor == 0)
 207               return divisor;
 208
 209           return 1;
 210       }
 211
 212       static constexpr int NumRegs     = BestRegisterCount<vec_t, WeightType, TransformedFeatureDimensions, NumRegistersSIMD>();
 213       static constexpr int NumPsqtRegs = BestRegisterCount<psqt_vec_t, PSQTWeightType, PSQTBuckets, NumRegistersSIMD>();
 214       #if defined(__GNUC__)
 215       #pragma GCC diagnostic pop
 216       #endif
 217   #endif
 218
 219
 220
 221   // Input feature converter
 222   class FeatureTransformer {
 223
 224    private:
 225     // Number of output dimensions for one side
 226     static constexpr IndexType HalfDimensions = TransformedFeatureDimensions;
 227
 228     #ifdef VECTOR
 229     static constexpr IndexType TileHeight = NumRegs * sizeof(vec_t) / 2;
 230     static constexpr IndexType PsqtTileHeight = NumPsqtRegs * sizeof(psqt_vec_t) / 4;
 231     static_assert(HalfDimensions % TileHeight == 0, "TileHeight must divide HalfDimensions");
 232     static_assert(PSQTBuckets % PsqtTileHeight == 0, "PsqtTileHeight must divide PSQTBuckets");
 233     #endif
 234
 235    public:
 236     // Output type
 237     using OutputType = TransformedFeatureType;
 238
 239     // Number of input/output dimensions
 240     static constexpr IndexType InputDimensions = FeatureSet::Dimensions;
 241     static constexpr IndexType OutputDimensions = HalfDimensions;
 242
 243     // Size of forward propagation buffer
 244     static constexpr std::size_t BufferSize =
 245         OutputDimensions * sizeof(OutputType);
 246
 247     // Hash value embedded in the evaluation file
 248     static constexpr std::uint32_t get_hash_value() {
 249       return FeatureSet::HashValue ^ (OutputDimensions * 2);
 250     }
 251
 252     // Read network parameters
 253     bool read_parameters(std::istream& stream) {
 254
 255       read_little_endian<BiasType      >(stream, biases     , HalfDimensions                  );
 256       read_little_endian<WeightType    >(stream, weights    , HalfDimensions * InputDimensions);
 257       read_little_endian<PSQTWeightType>(stream, psqtWeights, PSQTBuckets    * InputDimensions);
 258
 259       return !stream.fail();
 260     }
 261
 262     // Write network parameters
 263     bool write_parameters(std::ostream& stream) const {
 264
 265       write_little_endian<BiasType      >(stream, biases     , HalfDimensions                  );
 266       write_little_endian<WeightType    >(stream, weights    , HalfDimensions * InputDimensions);
 267       write_little_endian<PSQTWeightType>(stream, psqtWeights, PSQTBuckets    * InputDimensions);
 268
 269       return !stream.fail();
 270     }
 271
 272     // Convert input features
 273     std::int32_t transform(const Position& pos, OutputType* output, int bucket) const {
 274       update_accumulator(pos, WHITE);
 275       update_accumulator(pos, BLACK);
 276
 277       const Color perspectives[2] = {pos.side_to_move(), ~pos.side_to_move()};
 278       const auto& accumulation = pos.state()->accumulator.accumulation;
 279       const auto& psqtAccumulation = pos.state()->accumulator.psqtAccumulation;
 280
 281       const auto psqt = (
 282             psqtAccumulation[perspectives[0]][bucket]
 283           - psqtAccumulation[perspectives[1]][bucket]
 284         ) / 2;
 285
 286
 287       for (IndexType p = 0; p < 2; ++p)
 288       {
 289           const IndexType offset = (HalfDimensions / 2) * p;
 290
 291 #if defined(VECTOR)
 292
 293           constexpr IndexType OutputChunkSize = MaxChunkSize;
 294           static_assert((HalfDimensions / 2) % OutputChunkSize == 0);
 295           constexpr IndexType NumOutputChunks = HalfDimensions / 2 / OutputChunkSize;
 296
 297           vec_t Zero = vec_zero();
 298           vec_t One = vec_set_16(127);
 299
 300           const vec_t* in0 = reinterpret_cast<const vec_t*>(&(accumulation[perspectives[p]][0]));
 301           const vec_t* in1 = reinterpret_cast<const vec_t*>(&(accumulation[perspectives[p]][HalfDimensions / 2]));
 302                 vec_t* out = reinterpret_cast<      vec_t*>(output + offset);
 303
 304           for (IndexType j = 0; j < NumOutputChunks; j += 1)
 305           {
 306               const vec_t sum0a = vec_max_16(vec_min_16(in0[j * 2 + 0], One), Zero);
 307               const vec_t sum0b = vec_max_16(vec_min_16(in0[j * 2 + 1], One), Zero);
 308               const vec_t sum1a = vec_max_16(vec_min_16(in1[j * 2 + 0], One), Zero);
 309               const vec_t sum1b = vec_max_16(vec_min_16(in1[j * 2 + 1], One), Zero);
 310
 311               const vec_t pa = vec_mul_16(sum0a, sum1a);
 312               const vec_t pb = vec_mul_16(sum0b, sum1b);
 313
 314               out[j] = vec_msb_pack_16(pa, pb);
 315           }
 316
 317 #else
 318
 319           for (IndexType j = 0; j < HalfDimensions / 2; ++j) {
 320               BiasType sum0 = accumulation[static_cast<int>(perspectives[p])][j + 0];
 321               BiasType sum1 = accumulation[static_cast<int>(perspectives[p])][j + HalfDimensions / 2];
 322               sum0 = std::max<int>(0, std::min<int>(127, sum0));
 323               sum1 = std::max<int>(0, std::min<int>(127, sum1));
 324               output[offset + j] = static_cast<OutputType>(sum0 * sum1 / 128);
 325           }
 326
 327 #endif
 328       }
 329
 330 #if defined(vec_cleanup)
 331       vec_cleanup();
 332 #endif
 333
 334       return psqt;
 335
 336    } // end of function transform()
 337
 338
 339
 340    private:
 341     void update_accumulator(const Position& pos, const Color perspective) const {
 342
 343       // The size must be enough to contain the largest possible update.
 344       // That might depend on the feature set and generally relies on the
 345       // feature set's update cost calculation to be correct and never
 346       // allow updates with more added/removed features than MaxActiveDimensions.
 347
 348   #ifdef VECTOR
 349       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 350       // is defined in the VECTOR code below, once in each branch
 351       vec_t acc[NumRegs];
 352       psqt_vec_t psqt[NumPsqtRegs];
 353   #endif
 354
 355       // Look for a usable accumulator of an earlier position. We keep track
 356       // of the estimated gain in terms of features to be added/subtracted.
 357       StateInfo *st = pos.state(), *next = nullptr;
 358       int gain = FeatureSet::refresh_cost(pos);
 359       while (st->previous && !st->accumulator.computed[perspective])
 360       {
 361         // This governs when a full feature refresh is needed and how many
 362         // updates are better than just one full refresh.
 363         if (   FeatureSet::requires_refresh(st, perspective)
 364             || (gain -= FeatureSet::update_cost(st) + 1) < 0)
 365           break;
 366         next = st;
 367         st = st->previous;
 368       }
 369
 370       if (st->accumulator.computed[perspective])
 371       {
 372         if (next == nullptr)
 373           return;
 374
 375         // Update incrementally in two steps. First, we update the "next"
 376         // accumulator. Then, we update the current accumulator (pos.state()).
 377
 378         // Gather all features to be updated.
 379         const Square ksq = pos.square<KING>(perspective);
 380         FeatureSet::IndexList removed[2], added[2];
 381         FeatureSet::append_changed_indices(
 382           ksq, next->dirtyPiece, perspective, removed[0], added[0]);
 383         for (StateInfo *st2 = pos.state(); st2 != next; st2 = st2->previous)
 384           FeatureSet::append_changed_indices(
 385             ksq, st2->dirtyPiece, perspective, removed[1], added[1]);
 386
 387         // Mark the accumulators as computed.
 388         next->accumulator.computed[perspective] = true;
 389         pos.state()->accumulator.computed[perspective] = true;
 390
 391         // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 392         StateInfo *states_to_update[3] =
 393           { next, next == pos.state() ? nullptr : pos.state(), nullptr };
 394   #ifdef VECTOR
 395         for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 396         {
 397           // Load accumulator
 398           auto accTile = reinterpret_cast<vec_t*>(
 399             &st->accumulator.accumulation[perspective][j * TileHeight]);
 400           for (IndexType k = 0; k < NumRegs; ++k)
 401             acc[k] = vec_load(&accTile[k]);
 402
 403           for (IndexType i = 0; states_to_update[i]; ++i)
 404           {
 405             // Difference calculation for the deactivated features
 406             for (const auto index : removed[i])
 407             {
 408               const IndexType offset = HalfDimensions * index + j * TileHeight;
 409               auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 410               for (IndexType k = 0; k < NumRegs; ++k)
 411                 acc[k] = vec_sub_16(acc[k], column[k]);
 412             }
 413
 414             // Difference calculation for the activated features
 415             for (const auto index : added[i])
 416             {
 417               const IndexType offset = HalfDimensions * index + j * TileHeight;
 418               auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 419               for (IndexType k = 0; k < NumRegs; ++k)
 420                 acc[k] = vec_add_16(acc[k], column[k]);
 421             }
 422
 423             // Store accumulator
 424             accTile = reinterpret_cast<vec_t*>(
 425               &states_to_update[i]->accumulator.accumulation[perspective][j * TileHeight]);
 426             for (IndexType k = 0; k < NumRegs; ++k)
 427               vec_store(&accTile[k], acc[k]);
 428           }
 429         }
 430
 431         for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 432         {
 433           // Load accumulator
 434           auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 435             &st->accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 436           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 437             psqt[k] = vec_load_psqt(&accTilePsqt[k]);
 438
 439           for (IndexType i = 0; states_to_update[i]; ++i)
 440           {
 441             // Difference calculation for the deactivated features
 442             for (const auto index : removed[i])
 443             {
 444               const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 445               auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 446               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 447                 psqt[k] = vec_sub_psqt_32(psqt[k], columnPsqt[k]);
 448             }
 449
 450             // Difference calculation for the activated features
 451             for (const auto index : added[i])
 452             {
 453               const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 454               auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 455               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 456                 psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 457             }
 458
 459             // Store accumulator
 460             accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 461               &states_to_update[i]->accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 462             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 463               vec_store_psqt(&accTilePsqt[k], psqt[k]);
 464           }
 465         }
 466
 467   #else
 468         for (IndexType i = 0; states_to_update[i]; ++i)
 469         {
 470           std::memcpy(states_to_update[i]->accumulator.accumulation[perspective],
 471               st->accumulator.accumulation[perspective],
 472               HalfDimensions * sizeof(BiasType));
 473
 474           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 475             states_to_update[i]->accumulator.psqtAccumulation[perspective][k] = st->accumulator.psqtAccumulation[perspective][k];
 476
 477           st = states_to_update[i];
 478
 479           // Difference calculation for the deactivated features
 480           for (const auto index : removed[i])
 481           {
 482             const IndexType offset = HalfDimensions * index;
 483
 484             for (IndexType j = 0; j < HalfDimensions; ++j)
 485               st->accumulator.accumulation[perspective][j] -= weights[offset + j];
 486
 487             for (std::size_t k = 0; k < PSQTBuckets; ++k)
 488               st->accumulator.psqtAccumulation[perspective][k] -= psqtWeights[index * PSQTBuckets + k];
 489           }
 490
 491           // Difference calculation for the activated features
 492           for (const auto index : added[i])
 493           {
 494             const IndexType offset = HalfDimensions * index;
 495
 496             for (IndexType j = 0; j < HalfDimensions; ++j)
 497               st->accumulator.accumulation[perspective][j] += weights[offset + j];
 498
 499             for (std::size_t k = 0; k < PSQTBuckets; ++k)
 500               st->accumulator.psqtAccumulation[perspective][k] += psqtWeights[index * PSQTBuckets + k];
 501           }
 502         }
 503   #endif
 504       }
 505       else
 506       {
 507         // Refresh the accumulator
 508         auto& accumulator = pos.state()->accumulator;
 509         accumulator.computed[perspective] = true;
 510         FeatureSet::IndexList active;
 511         FeatureSet::append_active_indices(pos, perspective, active);
 512
 513   #ifdef VECTOR
 514         for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 515         {
 516           auto biasesTile = reinterpret_cast<const vec_t*>(
 517               &biases[j * TileHeight]);
 518           for (IndexType k = 0; k < NumRegs; ++k)
 519             acc[k] = biasesTile[k];
 520
 521           for (const auto index : active)
 522           {
 523             const IndexType offset = HalfDimensions * index + j * TileHeight;
 524             auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 525
 526             for (unsigned k = 0; k < NumRegs; ++k)
 527               acc[k] = vec_add_16(acc[k], column[k]);
 528           }
 529
 530           auto accTile = reinterpret_cast<vec_t*>(
 531               &accumulator.accumulation[perspective][j * TileHeight]);
 532           for (unsigned k = 0; k < NumRegs; k++)
 533             vec_store(&accTile[k], acc[k]);
 534         }
 535
 536         for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 537         {
 538           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 539             psqt[k] = vec_zero_psqt();
 540
 541           for (const auto index : active)
 542           {
 543             const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 544             auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 545
 546             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 547               psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 548           }
 549
 550           auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 551             &accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 552           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 553             vec_store_psqt(&accTilePsqt[k], psqt[k]);
 554         }
 555
 556   #else
 557         std::memcpy(accumulator.accumulation[perspective], biases,
 558             HalfDimensions * sizeof(BiasType));
 559
 560         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 561           accumulator.psqtAccumulation[perspective][k] = 0;
 562
 563         for (const auto index : active)
 564         {
 565           const IndexType offset = HalfDimensions * index;
 566
 567           for (IndexType j = 0; j < HalfDimensions; ++j)
 568             accumulator.accumulation[perspective][j] += weights[offset + j];
 569
 570           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 571             accumulator.psqtAccumulation[perspective][k] += psqtWeights[index * PSQTBuckets + k];
 572         }
 573   #endif
 574       }
 575
 576   #if defined(USE_MMX)
 577       _mm_empty();
 578   #endif
 579     }
 580
 581     alignas(CacheLineSize) BiasType biases[HalfDimensions];
 582     alignas(CacheLineSize) WeightType weights[HalfDimensions * InputDimensions];
 583     alignas(CacheLineSize) PSQTWeightType psqtWeights[InputDimensions * PSQTBuckets];
 584   };
 585
 586 }  // namespace Stockfish::Eval::NNUE
 587
 588 #endif // #ifndef NNUE_FEATURE_TRANSFORMER_H_INCLUDED