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) 2004-2023 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 // 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 <algorithm>
  25 #include <cassert>
  26 #include <cstdint>
  27 #include <cstring>
  28 #include <iosfwd>
  29 #include <utility>
  30
  31 #include "../position.h"
  32 #include "../types.h"
  33 #include "nnue_accumulator.h"
  34 #include "nnue_architecture.h"
  35 #include "nnue_common.h"
  36
  37 namespace Stockfish::Eval::NNUE {
  38
  39   using BiasType       = std::int16_t;
  40   using WeightType     = std::int16_t;
  41   using PSQTWeightType = std::int32_t;
  42
  43   // If vector instructions are enabled, we update and refresh the
  44   // accumulator tile by tile such that each tile fits in the CPU's
  45   // vector registers.
  46   #define VECTOR
  47
  48   static_assert(PSQTBuckets % 8 == 0,
  49     "Per feature PSQT values cannot be processed at granularity lower than 8 at a time.");
  50
  51   #ifdef USE_AVX512
  52   using vec_t = __m512i;
  53   using psqt_vec_t = __m256i;
  54   #define vec_load(a) _mm512_load_si512(a)
  55   #define vec_store(a,b) _mm512_store_si512(a,b)
  56   #define vec_add_16(a,b) _mm512_add_epi16(a,b)
  57   #define vec_sub_16(a,b) _mm512_sub_epi16(a,b)
  58   #define vec_mul_16(a,b) _mm512_mullo_epi16(a,b)
  59   #define vec_zero() _mm512_setzero_epi32()
  60   #define vec_set_16(a) _mm512_set1_epi16(a)
  61   #define vec_max_16(a,b) _mm512_max_epi16(a,b)
  62   #define vec_min_16(a,b) _mm512_min_epi16(a,b)
  63   inline vec_t vec_msb_pack_16(vec_t a, vec_t b){
  64     vec_t compacted = _mm512_packs_epi16(_mm512_srli_epi16(a,7),_mm512_srli_epi16(b,7));
  65     return _mm512_permutexvar_epi64(_mm512_setr_epi64(0, 2, 4, 6, 1, 3, 5, 7), compacted);
  66   }
  67   #define vec_load_psqt(a) _mm256_load_si256(a)
  68   #define vec_store_psqt(a,b) _mm256_store_si256(a,b)
  69   #define vec_add_psqt_32(a,b) _mm256_add_epi32(a,b)
  70   #define vec_sub_psqt_32(a,b) _mm256_sub_epi32(a,b)
  71   #define vec_zero_psqt() _mm256_setzero_si256()
  72   #define NumRegistersSIMD 16
  73   #define MaxChunkSize 64
  74
  75   #elif USE_AVX2
  76   using vec_t = __m256i;
  77   using psqt_vec_t = __m256i;
  78   #define vec_load(a) _mm256_load_si256(a)
  79   #define vec_store(a,b) _mm256_store_si256(a,b)
  80   #define vec_add_16(a,b) _mm256_add_epi16(a,b)
  81   #define vec_sub_16(a,b) _mm256_sub_epi16(a,b)
  82   #define vec_mul_16(a,b) _mm256_mullo_epi16(a,b)
  83   #define vec_zero() _mm256_setzero_si256()
  84   #define vec_set_16(a) _mm256_set1_epi16(a)
  85   #define vec_max_16(a,b) _mm256_max_epi16(a,b)
  86   #define vec_min_16(a,b) _mm256_min_epi16(a,b)
  87   inline vec_t vec_msb_pack_16(vec_t a, vec_t b){
  88     vec_t compacted = _mm256_packs_epi16(_mm256_srli_epi16(a,7), _mm256_srli_epi16(b,7));
  89     return _mm256_permute4x64_epi64(compacted, 0b11011000);
  90   }
  91   #define vec_load_psqt(a) _mm256_load_si256(a)
  92   #define vec_store_psqt(a,b) _mm256_store_si256(a,b)
  93   #define vec_add_psqt_32(a,b) _mm256_add_epi32(a,b)
  94   #define vec_sub_psqt_32(a,b) _mm256_sub_epi32(a,b)
  95   #define vec_zero_psqt() _mm256_setzero_si256()
  96   #define NumRegistersSIMD 16
  97   #define MaxChunkSize 32
  98
  99   #elif USE_SSE2
 100   using vec_t = __m128i;
 101   using psqt_vec_t = __m128i;
 102   #define vec_load(a) (*(a))
 103   #define vec_store(a,b) *(a)=(b)
 104   #define vec_add_16(a,b) _mm_add_epi16(a,b)
 105   #define vec_sub_16(a,b) _mm_sub_epi16(a,b)
 106   #define vec_mul_16(a,b) _mm_mullo_epi16(a,b)
 107   #define vec_zero() _mm_setzero_si128()
 108   #define vec_set_16(a) _mm_set1_epi16(a)
 109   #define vec_max_16(a,b) _mm_max_epi16(a,b)
 110   #define vec_min_16(a,b) _mm_min_epi16(a,b)
 111   #define vec_msb_pack_16(a,b) _mm_packs_epi16(_mm_srli_epi16(a,7),_mm_srli_epi16(b,7))
 112   #define vec_load_psqt(a) (*(a))
 113   #define vec_store_psqt(a,b) *(a)=(b)
 114   #define vec_add_psqt_32(a,b) _mm_add_epi32(a,b)
 115   #define vec_sub_psqt_32(a,b) _mm_sub_epi32(a,b)
 116   #define vec_zero_psqt() _mm_setzero_si128()
 117   #define NumRegistersSIMD (Is64Bit ? 16 : 8)
 118   #define MaxChunkSize 16
 119
 120   #elif USE_NEON
 121   using vec_t = int16x8_t;
 122   using psqt_vec_t = int32x4_t;
 123   #define vec_load(a) (*(a))
 124   #define vec_store(a,b) *(a)=(b)
 125   #define vec_add_16(a,b) vaddq_s16(a,b)
 126   #define vec_sub_16(a,b) vsubq_s16(a,b)
 127   #define vec_mul_16(a,b) vmulq_s16(a,b)
 128   #define vec_zero() vec_t{0}
 129   #define vec_set_16(a) vdupq_n_s16(a)
 130   #define vec_max_16(a,b) vmaxq_s16(a,b)
 131   #define vec_min_16(a,b) vminq_s16(a,b)
 132   inline vec_t vec_msb_pack_16(vec_t a, vec_t b){
 133     const int8x8_t shifta = vshrn_n_s16(a, 7);
 134     const int8x8_t shiftb = vshrn_n_s16(b, 7);
 135     const int8x16_t compacted = vcombine_s8(shifta,shiftb);
 136     return *reinterpret_cast<const vec_t*> (&compacted);
 137   }
 138   #define vec_load_psqt(a) (*(a))
 139   #define vec_store_psqt(a,b) *(a)=(b)
 140   #define vec_add_psqt_32(a,b) vaddq_s32(a,b)
 141   #define vec_sub_psqt_32(a,b) vsubq_s32(a,b)
 142   #define vec_zero_psqt() psqt_vec_t{0}
 143   #define NumRegistersSIMD 16
 144   #define MaxChunkSize 16
 145
 146   #else
 147   #undef VECTOR
 148
 149   #endif
 150
 151
 152   #ifdef VECTOR
 153
 154       // Compute optimal SIMD register count for feature transformer accumulation.
 155
 156       // We use __m* types as template arguments, which causes GCC to emit warnings
 157       // about losing some attribute information. This is irrelevant to us as we
 158       // only take their size, so the following pragma are harmless.
 159       #if defined(__GNUC__)
 160       #pragma GCC diagnostic push
 161       #pragma GCC diagnostic ignored "-Wignored-attributes"
 162       #endif
 163
 164       template <typename SIMDRegisterType,
 165                 typename LaneType,
 166                 int      NumLanes,
 167                 int      MaxRegisters>
 168       static constexpr int BestRegisterCount()
 169       {
 170           #define RegisterSize  sizeof(SIMDRegisterType)
 171           #define LaneSize      sizeof(LaneType)
 172
 173           static_assert(RegisterSize >= LaneSize);
 174           static_assert(MaxRegisters <= NumRegistersSIMD);
 175           static_assert(MaxRegisters > 0);
 176           static_assert(NumRegistersSIMD > 0);
 177           static_assert(RegisterSize % LaneSize == 0);
 178           static_assert((NumLanes * LaneSize) % RegisterSize == 0);
 179
 180           const int ideal = (NumLanes * LaneSize) / RegisterSize;
 181           if (ideal <= MaxRegisters)
 182             return ideal;
 183
 184           // Look for the largest divisor of the ideal register count that is smaller than MaxRegisters
 185           for (int divisor = MaxRegisters; divisor > 1; --divisor)
 186             if (ideal % divisor == 0)
 187               return divisor;
 188
 189           return 1;
 190       }
 191
 192       static constexpr int NumRegs     = BestRegisterCount<vec_t, WeightType, TransformedFeatureDimensions, NumRegistersSIMD>();
 193       static constexpr int NumPsqtRegs = BestRegisterCount<psqt_vec_t, PSQTWeightType, PSQTBuckets, NumRegistersSIMD>();
 194       #if defined(__GNUC__)
 195       #pragma GCC diagnostic pop
 196       #endif
 197   #endif
 198
 199
 200
 201   // Input feature converter
 202   class FeatureTransformer {
 203
 204    private:
 205     // Number of output dimensions for one side
 206     static constexpr IndexType HalfDimensions = TransformedFeatureDimensions;
 207
 208     #ifdef VECTOR
 209     static constexpr IndexType TileHeight = NumRegs * sizeof(vec_t) / 2;
 210     static constexpr IndexType PsqtTileHeight = NumPsqtRegs * sizeof(psqt_vec_t) / 4;
 211     static_assert(HalfDimensions % TileHeight == 0, "TileHeight must divide HalfDimensions");
 212     static_assert(PSQTBuckets % PsqtTileHeight == 0, "PsqtTileHeight must divide PSQTBuckets");
 213     #endif
 214
 215    public:
 216     // Output type
 217     using OutputType = TransformedFeatureType;
 218
 219     // Number of input/output dimensions
 220     static constexpr IndexType InputDimensions = FeatureSet::Dimensions;
 221     static constexpr IndexType OutputDimensions = HalfDimensions;
 222
 223     // Size of forward propagation buffer
 224     static constexpr std::size_t BufferSize =
 225         OutputDimensions * sizeof(OutputType);
 226
 227     // Hash value embedded in the evaluation file
 228     static constexpr std::uint32_t get_hash_value() {
 229       return FeatureSet::HashValue ^ (OutputDimensions * 2);
 230     }
 231
 232     // Read network parameters
 233     bool read_parameters(std::istream& stream) {
 234
 235       read_leb_128<BiasType      >(stream, biases     , HalfDimensions                  );
 236       read_leb_128<WeightType    >(stream, weights    , HalfDimensions * InputDimensions);
 237       read_leb_128<PSQTWeightType>(stream, psqtWeights, PSQTBuckets    * InputDimensions);
 238
 239       return !stream.fail();
 240     }
 241
 242     // Write network parameters
 243     bool write_parameters(std::ostream& stream) const {
 244
 245       write_leb_128<BiasType      >(stream, biases     , HalfDimensions                  );
 246       write_leb_128<WeightType    >(stream, weights    , HalfDimensions * InputDimensions);
 247       write_leb_128<PSQTWeightType>(stream, psqtWeights, PSQTBuckets    * InputDimensions);
 248
 249       return !stream.fail();
 250     }
 251
 252     // Convert input features
 253     std::int32_t transform(const Position& pos, OutputType* output, int bucket) const {
 254       update_accumulator<WHITE>(pos);
 255       update_accumulator<BLACK>(pos);
 256
 257       const Color perspectives[2] = {pos.side_to_move(), ~pos.side_to_move()};
 258       const auto& accumulation = pos.state()->accumulator.accumulation;
 259       const auto& psqtAccumulation = pos.state()->accumulator.psqtAccumulation;
 260
 261       const auto psqt = (
 262             psqtAccumulation[perspectives[0]][bucket]
 263           - psqtAccumulation[perspectives[1]][bucket]
 264         ) / 2;
 265
 266
 267       for (IndexType p = 0; p < 2; ++p)
 268       {
 269           const IndexType offset = (HalfDimensions / 2) * p;
 270
 271 #if defined(VECTOR)
 272
 273           constexpr IndexType OutputChunkSize = MaxChunkSize;
 274           static_assert((HalfDimensions / 2) % OutputChunkSize == 0);
 275           constexpr IndexType NumOutputChunks = HalfDimensions / 2 / OutputChunkSize;
 276
 277           vec_t Zero = vec_zero();
 278           vec_t One = vec_set_16(127);
 279
 280           const vec_t* in0 = reinterpret_cast<const vec_t*>(&(accumulation[perspectives[p]][0]));
 281           const vec_t* in1 = reinterpret_cast<const vec_t*>(&(accumulation[perspectives[p]][HalfDimensions / 2]));
 282                 vec_t* out = reinterpret_cast<      vec_t*>(output + offset);
 283
 284           for (IndexType j = 0; j < NumOutputChunks; j += 1)
 285           {
 286               const vec_t sum0a = vec_max_16(vec_min_16(in0[j * 2 + 0], One), Zero);
 287               const vec_t sum0b = vec_max_16(vec_min_16(in0[j * 2 + 1], One), Zero);
 288               const vec_t sum1a = vec_max_16(vec_min_16(in1[j * 2 + 0], One), Zero);
 289               const vec_t sum1b = vec_max_16(vec_min_16(in1[j * 2 + 1], One), Zero);
 290
 291               const vec_t pa = vec_mul_16(sum0a, sum1a);
 292               const vec_t pb = vec_mul_16(sum0b, sum1b);
 293
 294               out[j] = vec_msb_pack_16(pa, pb);
 295           }
 296
 297 #else
 298
 299           for (IndexType j = 0; j < HalfDimensions / 2; ++j) {
 300               BiasType sum0 = accumulation[static_cast<int>(perspectives[p])][j + 0];
 301               BiasType sum1 = accumulation[static_cast<int>(perspectives[p])][j + HalfDimensions / 2];
 302               sum0 = std::clamp<BiasType>(sum0, 0, 127);
 303               sum1 = std::clamp<BiasType>(sum1, 0, 127);
 304               output[offset + j] = static_cast<OutputType>(unsigned(sum0 * sum1) / 128);
 305           }
 306
 307 #endif
 308       }
 309
 310       return psqt;
 311     } // end of function transform()
 312
 313     void hint_common_access(const Position& pos) const {
 314       hint_common_access_for_perspective<WHITE>(pos);
 315       hint_common_access_for_perspective<BLACK>(pos);
 316     }
 317
 318    private:
 319     template<Color Perspective>
 320     [[nodiscard]] std::pair<StateInfo*, StateInfo*> try_find_computed_accumulator(const Position& pos) const {
 321       // Look for a usable accumulator of an earlier position. We keep track
 322       // of the estimated gain in terms of features to be added/subtracted.
 323       StateInfo *st = pos.state(), *next = nullptr;
 324       int gain = FeatureSet::refresh_cost(pos);
 325       while (st->previous && !st->accumulator.computed[Perspective])
 326       {
 327         // This governs when a full feature refresh is needed and how many
 328         // updates are better than just one full refresh.
 329         if (   FeatureSet::requires_refresh(st, Perspective)
 330             || (gain -= FeatureSet::update_cost(st) + 1) < 0)
 331           break;
 332         next = st;
 333         st = st->previous;
 334       }
 335       return { st, next };
 336     }
 337
 338     // NOTE: The parameter states_to_update is an array of position states, ending with nullptr.
 339     //       All states must be sequential, that is states_to_update[i] must either be reachable
 340     //       by repeatedly applying ->previous from states_to_update[i+1] or states_to_update[i] == nullptr.
 341     //       computed_st must be reachable by repeatedly applying ->previous on states_to_update[0], if not nullptr.
 342     template<Color Perspective, size_t N>
 343     void update_accumulator_incremental(const Position& pos, StateInfo* computed_st, StateInfo* states_to_update[N]) const {
 344       static_assert(N > 0);
 345       assert(states_to_update[N-1] == nullptr);
 346
 347   #ifdef VECTOR
 348       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 349       // is defined in the VECTOR code below, once in each branch
 350       vec_t acc[NumRegs];
 351       psqt_vec_t psqt[NumPsqtRegs];
 352   #endif
 353
 354       if (states_to_update[0] == nullptr)
 355         return;
 356
 357       // Update incrementally going back through states_to_update.
 358
 359       // Gather all features to be updated.
 360       const Square ksq = pos.square<KING>(Perspective);
 361
 362       // The size must be enough to contain the largest possible update.
 363       // That might depend on the feature set and generally relies on the
 364       // feature set's update cost calculation to be correct and never
 365       // allow updates with more added/removed features than MaxActiveDimensions.
 366       FeatureSet::IndexList removed[N-1], added[N-1];
 367
 368       {
 369         int i = N-2; // last potential state to update. Skip last element because it must be nullptr.
 370         while (states_to_update[i] == nullptr)
 371           --i;
 372
 373         StateInfo *st2 = states_to_update[i];
 374
 375         for (; i >= 0; --i)
 376         {
 377           states_to_update[i]->accumulator.computed[Perspective] = true;
 378
 379           StateInfo* end_state = i == 0 ? computed_st : states_to_update[i - 1];
 380
 381           for (; st2 != end_state; st2 = st2->previous)
 382             FeatureSet::append_changed_indices<Perspective>(
 383               ksq, st2->dirtyPiece, removed[i], added[i]);
 384         }
 385       }
 386
 387       StateInfo* st = computed_st;
 388
 389       // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 390 #ifdef VECTOR
 391       for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 392       {
 393         // Load accumulator
 394         auto accTile = reinterpret_cast<vec_t*>(
 395           &st->accumulator.accumulation[Perspective][j * TileHeight]);
 396         for (IndexType k = 0; k < NumRegs; ++k)
 397           acc[k] = vec_load(&accTile[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 = HalfDimensions * index + j * TileHeight;
 405             auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 406             for (IndexType k = 0; k < NumRegs; ++k)
 407               acc[k] = vec_sub_16(acc[k], column[k]);
 408           }
 409
 410           // Difference calculation for the activated features
 411           for (const auto index : added[i])
 412           {
 413             const IndexType offset = HalfDimensions * index + j * TileHeight;
 414             auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 415             for (IndexType k = 0; k < NumRegs; ++k)
 416               acc[k] = vec_add_16(acc[k], column[k]);
 417           }
 418
 419           // Store accumulator
 420           accTile = reinterpret_cast<vec_t*>(
 421             &states_to_update[i]->accumulator.accumulation[Perspective][j * TileHeight]);
 422           for (IndexType k = 0; k < NumRegs; ++k)
 423             vec_store(&accTile[k], acc[k]);
 424         }
 425       }
 426
 427       for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 428       {
 429         // Load accumulator
 430         auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 431           &st->accumulator.psqtAccumulation[Perspective][j * PsqtTileHeight]);
 432         for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 433           psqt[k] = vec_load_psqt(&accTilePsqt[k]);
 434
 435         for (IndexType i = 0; states_to_update[i]; ++i)
 436         {
 437           // Difference calculation for the deactivated features
 438           for (const auto index : removed[i])
 439           {
 440             const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 441             auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 442             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 443               psqt[k] = vec_sub_psqt_32(psqt[k], columnPsqt[k]);
 444           }
 445
 446           // Difference calculation for the activated features
 447           for (const auto index : added[i])
 448           {
 449             const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 450             auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 451             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 452               psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 453           }
 454
 455           // Store accumulator
 456           accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 457             &states_to_update[i]->accumulator.psqtAccumulation[Perspective][j * PsqtTileHeight]);
 458           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 459             vec_store_psqt(&accTilePsqt[k], psqt[k]);
 460         }
 461       }
 462
 463 #else
 464       for (IndexType i = 0; states_to_update[i]; ++i)
 465       {
 466         std::memcpy(states_to_update[i]->accumulator.accumulation[Perspective],
 467             st->accumulator.accumulation[Perspective],
 468             HalfDimensions * sizeof(BiasType));
 469
 470         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 471           states_to_update[i]->accumulator.psqtAccumulation[Perspective][k] = st->accumulator.psqtAccumulation[Perspective][k];
 472
 473         st = states_to_update[i];
 474
 475         // Difference calculation for the deactivated features
 476         for (const auto index : removed[i])
 477         {
 478           const IndexType offset = HalfDimensions * index;
 479
 480           for (IndexType j = 0; j < HalfDimensions; ++j)
 481             st->accumulator.accumulation[Perspective][j] -= weights[offset + j];
 482
 483           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 484             st->accumulator.psqtAccumulation[Perspective][k] -= psqtWeights[index * PSQTBuckets + k];
 485         }
 486
 487         // Difference calculation for the activated features
 488         for (const auto index : added[i])
 489         {
 490           const IndexType offset = HalfDimensions * index;
 491
 492           for (IndexType j = 0; j < HalfDimensions; ++j)
 493             st->accumulator.accumulation[Perspective][j] += weights[offset + j];
 494
 495           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 496             st->accumulator.psqtAccumulation[Perspective][k] += psqtWeights[index * PSQTBuckets + k];
 497         }
 498       }
 499 #endif
 500     }
 501
 502     template<Color Perspective>
 503     void update_accumulator_refresh(const Position& pos) const {
 504   #ifdef VECTOR
 505       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 506       // is defined in the VECTOR code below, once in each branch
 507       vec_t acc[NumRegs];
 508       psqt_vec_t psqt[NumPsqtRegs];
 509   #endif
 510
 511       // Refresh the accumulator
 512       // Could be extracted to a separate function because it's done in 2 places,
 513       // but it's unclear if compilers would correctly handle register allocation.
 514       auto& accumulator = pos.state()->accumulator;
 515       accumulator.computed[Perspective] = true;
 516       FeatureSet::IndexList active;
 517       FeatureSet::append_active_indices<Perspective>(pos, active);
 518
 519 #ifdef VECTOR
 520       for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 521       {
 522         auto biasesTile = reinterpret_cast<const vec_t*>(
 523             &biases[j * TileHeight]);
 524         for (IndexType k = 0; k < NumRegs; ++k)
 525           acc[k] = biasesTile[k];
 526
 527         for (const auto index : active)
 528         {
 529           const IndexType offset = HalfDimensions * index + j * TileHeight;
 530           auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 531
 532           for (unsigned k = 0; k < NumRegs; ++k)
 533             acc[k] = vec_add_16(acc[k], column[k]);
 534         }
 535
 536         auto accTile = reinterpret_cast<vec_t*>(
 537             &accumulator.accumulation[Perspective][j * TileHeight]);
 538         for (unsigned k = 0; k < NumRegs; k++)
 539           vec_store(&accTile[k], acc[k]);
 540       }
 541
 542       for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 543       {
 544         for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 545           psqt[k] = vec_zero_psqt();
 546
 547         for (const auto index : active)
 548         {
 549           const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 550           auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 551
 552           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 553             psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 554         }
 555
 556         auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 557           &accumulator.psqtAccumulation[Perspective][j * PsqtTileHeight]);
 558         for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 559           vec_store_psqt(&accTilePsqt[k], psqt[k]);
 560       }
 561
 562 #else
 563       std::memcpy(accumulator.accumulation[Perspective], biases,
 564           HalfDimensions * sizeof(BiasType));
 565
 566       for (std::size_t k = 0; k < PSQTBuckets; ++k)
 567         accumulator.psqtAccumulation[Perspective][k] = 0;
 568
 569       for (const auto index : active)
 570       {
 571         const IndexType offset = HalfDimensions * index;
 572
 573         for (IndexType j = 0; j < HalfDimensions; ++j)
 574           accumulator.accumulation[Perspective][j] += weights[offset + j];
 575
 576         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 577           accumulator.psqtAccumulation[Perspective][k] += psqtWeights[index * PSQTBuckets + k];
 578       }
 579 #endif
 580     }
 581
 582     template<Color Perspective>
 583     void hint_common_access_for_perspective(const Position& pos) const {
 584
 585       // Works like update_accumulator, but performs less work.
 586       // Updates ONLY the accumulator for pos.
 587
 588       // Look for a usable accumulator of an earlier position. We keep track
 589       // of the estimated gain in terms of features to be added/subtracted.
 590       // Fast early exit.
 591       if (pos.state()->accumulator.computed[Perspective])
 592         return;
 593
 594       auto [oldest_st, _] = try_find_computed_accumulator<Perspective>(pos);
 595
 596       if (oldest_st->accumulator.computed[Perspective])
 597       {
 598         // Only update current position accumulator to minimize work.
 599         StateInfo* states_to_update[2] = { pos.state(), nullptr };
 600         update_accumulator_incremental<Perspective, 2>(pos, oldest_st, states_to_update);
 601       }
 602       else
 603       {
 604         update_accumulator_refresh<Perspective>(pos);
 605       }
 606     }
 607
 608     template<Color Perspective>
 609     void update_accumulator(const Position& pos) const {
 610
 611       auto [oldest_st, next] = try_find_computed_accumulator<Perspective>(pos);
 612
 613       if (oldest_st->accumulator.computed[Perspective])
 614       {
 615         if (next == nullptr)
 616           return;
 617
 618         // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 619         // Currently we update 2 accumulators.
 620         //     1. for the current position
 621         //     2. the next accumulator after the computed one
 622         // The heuristic may change in the future.
 623         StateInfo *states_to_update[3] =
 624           { next, next == pos.state() ? nullptr : pos.state(), nullptr };
 625
 626         update_accumulator_incremental<Perspective, 3>(pos, oldest_st, states_to_update);
 627       }
 628       else
 629       {
 630         update_accumulator_refresh<Perspective>(pos);
 631       }
 632     }
 633
 634     alignas(CacheLineSize) BiasType biases[HalfDimensions];
 635     alignas(CacheLineSize) WeightType weights[HalfDimensions * InputDimensions];
 636     alignas(CacheLineSize) PSQTWeightType psqtWeights[InputDimensions * PSQTBuckets];
 637   };
 638
 639 }  // namespace Stockfish::Eval::NNUE
 640
 641 #endif // #ifndef NNUE_FEATURE_TRANSFORMER_H_INCLUDED