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_MMX
 121   using vec_t = __m64;
 122   using psqt_vec_t = __m64;
 123   #define vec_load(a) (*(a))
 124   #define vec_store(a,b) *(a)=(b)
 125   #define vec_add_16(a,b) _mm_add_pi16(a,b)
 126   #define vec_sub_16(a,b) _mm_sub_pi16(a,b)
 127   #define vec_mul_16(a,b) _mm_mullo_pi16(a,b)
 128   #define vec_zero() _mm_setzero_si64()
 129   #define vec_set_16(a) _mm_set1_pi16(a)
 130   inline vec_t vec_max_16(vec_t a,vec_t b){
 131     vec_t comparison = _mm_cmpgt_pi16(a,b);
 132     return _mm_or_si64(_mm_and_si64(comparison, a), _mm_andnot_si64(comparison, b));
 133   }
 134   inline vec_t vec_min_16(vec_t a,vec_t b){
 135     vec_t comparison = _mm_cmpgt_pi16(a,b);
 136     return _mm_or_si64(_mm_and_si64(comparison, b), _mm_andnot_si64(comparison, a));
 137   }
 138   #define vec_msb_pack_16(a,b) _mm_packs_pi16(_mm_srli_pi16(a,7),_mm_srli_pi16(b,7))
 139   #define vec_load_psqt(a) (*(a))
 140   #define vec_store_psqt(a,b) *(a)=(b)
 141   #define vec_add_psqt_32(a,b) _mm_add_pi32(a,b)
 142   #define vec_sub_psqt_32(a,b) _mm_sub_pi32(a,b)
 143   #define vec_zero_psqt() _mm_setzero_si64()
 144   #define vec_cleanup() _mm_empty()
 145   #define NumRegistersSIMD 8
 146   #define MaxChunkSize 8
 147
 148   #elif USE_NEON
 149   using vec_t = int16x8_t;
 150   using psqt_vec_t = int32x4_t;
 151   #define vec_load(a) (*(a))
 152   #define vec_store(a,b) *(a)=(b)
 153   #define vec_add_16(a,b) vaddq_s16(a,b)
 154   #define vec_sub_16(a,b) vsubq_s16(a,b)
 155   #define vec_mul_16(a,b) vmulq_s16(a,b)
 156   #define vec_zero() vec_t{0}
 157   #define vec_set_16(a) vdupq_n_s16(a)
 158   #define vec_max_16(a,b) vmaxq_s16(a,b)
 159   #define vec_min_16(a,b) vminq_s16(a,b)
 160   inline vec_t vec_msb_pack_16(vec_t a, vec_t b){
 161     const int8x8_t shifta = vshrn_n_s16(a, 7);
 162     const int8x8_t shiftb = vshrn_n_s16(b, 7);
 163     const int8x16_t compacted = vcombine_s8(shifta,shiftb);
 164     return *reinterpret_cast<const vec_t*> (&compacted);
 165   }
 166   #define vec_load_psqt(a) (*(a))
 167   #define vec_store_psqt(a,b) *(a)=(b)
 168   #define vec_add_psqt_32(a,b) vaddq_s32(a,b)
 169   #define vec_sub_psqt_32(a,b) vsubq_s32(a,b)
 170   #define vec_zero_psqt() psqt_vec_t{0}
 171   #define NumRegistersSIMD 16
 172   #define MaxChunkSize 16
 173
 174   #else
 175   #undef VECTOR
 176
 177   #endif
 178
 179
 180   #ifdef VECTOR
 181
 182       // Compute optimal SIMD register count for feature transformer accumulation.
 183
 184       // We use __m* types as template arguments, which causes GCC to emit warnings
 185       // about losing some attribute information. This is irrelevant to us as we
 186       // only take their size, so the following pragma are harmless.
 187       #if defined(__GNUC__)
 188       #pragma GCC diagnostic push
 189       #pragma GCC diagnostic ignored "-Wignored-attributes"
 190       #endif
 191
 192       template <typename SIMDRegisterType,
 193                 typename LaneType,
 194                 int      NumLanes,
 195                 int      MaxRegisters>
 196       static constexpr int BestRegisterCount()
 197       {
 198           #define RegisterSize  sizeof(SIMDRegisterType)
 199           #define LaneSize      sizeof(LaneType)
 200
 201           static_assert(RegisterSize >= LaneSize);
 202           static_assert(MaxRegisters <= NumRegistersSIMD);
 203           static_assert(MaxRegisters > 0);
 204           static_assert(NumRegistersSIMD > 0);
 205           static_assert(RegisterSize % LaneSize == 0);
 206           static_assert((NumLanes * LaneSize) % RegisterSize == 0);
 207
 208           const int ideal = (NumLanes * LaneSize) / RegisterSize;
 209           if (ideal <= MaxRegisters)
 210             return ideal;
 211
 212           // Look for the largest divisor of the ideal register count that is smaller than MaxRegisters
 213           for (int divisor = MaxRegisters; divisor > 1; --divisor)
 214             if (ideal % divisor == 0)
 215               return divisor;
 216
 217           return 1;
 218       }
 219
 220       static constexpr int NumRegs     = BestRegisterCount<vec_t, WeightType, TransformedFeatureDimensions, NumRegistersSIMD>();
 221       static constexpr int NumPsqtRegs = BestRegisterCount<psqt_vec_t, PSQTWeightType, PSQTBuckets, NumRegistersSIMD>();
 222       #if defined(__GNUC__)
 223       #pragma GCC diagnostic pop
 224       #endif
 225   #endif
 226
 227
 228
 229   // Input feature converter
 230   class FeatureTransformer {
 231
 232    private:
 233     // Number of output dimensions for one side
 234     static constexpr IndexType HalfDimensions = TransformedFeatureDimensions;
 235
 236     #ifdef VECTOR
 237     static constexpr IndexType TileHeight = NumRegs * sizeof(vec_t) / 2;
 238     static constexpr IndexType PsqtTileHeight = NumPsqtRegs * sizeof(psqt_vec_t) / 4;
 239     static_assert(HalfDimensions % TileHeight == 0, "TileHeight must divide HalfDimensions");
 240     static_assert(PSQTBuckets % PsqtTileHeight == 0, "PsqtTileHeight must divide PSQTBuckets");
 241     #endif
 242
 243    public:
 244     // Output type
 245     using OutputType = TransformedFeatureType;
 246
 247     // Number of input/output dimensions
 248     static constexpr IndexType InputDimensions = FeatureSet::Dimensions;
 249     static constexpr IndexType OutputDimensions = HalfDimensions;
 250
 251     // Size of forward propagation buffer
 252     static constexpr std::size_t BufferSize =
 253         OutputDimensions * sizeof(OutputType);
 254
 255     // Hash value embedded in the evaluation file
 256     static constexpr std::uint32_t get_hash_value() {
 257       return FeatureSet::HashValue ^ (OutputDimensions * 2);
 258     }
 259
 260     // Read network parameters
 261     bool read_parameters(std::istream& stream) {
 262
 263       read_leb_128<BiasType      >(stream, biases     , HalfDimensions                  );
 264       read_leb_128<WeightType    >(stream, weights    , HalfDimensions * InputDimensions);
 265       read_leb_128<PSQTWeightType>(stream, psqtWeights, PSQTBuckets    * InputDimensions);
 266
 267       return !stream.fail();
 268     }
 269
 270     // Write network parameters
 271     bool write_parameters(std::ostream& stream) const {
 272
 273       write_leb_128<BiasType      >(stream, biases     , HalfDimensions                  );
 274       write_leb_128<WeightType    >(stream, weights    , HalfDimensions * InputDimensions);
 275       write_leb_128<PSQTWeightType>(stream, psqtWeights, PSQTBuckets    * InputDimensions);
 276
 277       return !stream.fail();
 278     }
 279
 280     // Convert input features
 281     std::int32_t transform(const Position& pos, OutputType* output, int bucket) const {
 282       update_accumulator<WHITE>(pos);
 283       update_accumulator<BLACK>(pos);
 284
 285       const Color perspectives[2] = {pos.side_to_move(), ~pos.side_to_move()};
 286       const auto& accumulation = pos.state()->accumulator.accumulation;
 287       const auto& psqtAccumulation = pos.state()->accumulator.psqtAccumulation;
 288
 289       const auto psqt = (
 290             psqtAccumulation[perspectives[0]][bucket]
 291           - psqtAccumulation[perspectives[1]][bucket]
 292         ) / 2;
 293
 294
 295       for (IndexType p = 0; p < 2; ++p)
 296       {
 297           const IndexType offset = (HalfDimensions / 2) * p;
 298
 299 #if defined(VECTOR)
 300
 301           constexpr IndexType OutputChunkSize = MaxChunkSize;
 302           static_assert((HalfDimensions / 2) % OutputChunkSize == 0);
 303           constexpr IndexType NumOutputChunks = HalfDimensions / 2 / OutputChunkSize;
 304
 305           vec_t Zero = vec_zero();
 306           vec_t One = vec_set_16(127);
 307
 308           const vec_t* in0 = reinterpret_cast<const vec_t*>(&(accumulation[perspectives[p]][0]));
 309           const vec_t* in1 = reinterpret_cast<const vec_t*>(&(accumulation[perspectives[p]][HalfDimensions / 2]));
 310                 vec_t* out = reinterpret_cast<      vec_t*>(output + offset);
 311
 312           for (IndexType j = 0; j < NumOutputChunks; j += 1)
 313           {
 314               const vec_t sum0a = vec_max_16(vec_min_16(in0[j * 2 + 0], One), Zero);
 315               const vec_t sum0b = vec_max_16(vec_min_16(in0[j * 2 + 1], One), Zero);
 316               const vec_t sum1a = vec_max_16(vec_min_16(in1[j * 2 + 0], One), Zero);
 317               const vec_t sum1b = vec_max_16(vec_min_16(in1[j * 2 + 1], One), Zero);
 318
 319               const vec_t pa = vec_mul_16(sum0a, sum1a);
 320               const vec_t pb = vec_mul_16(sum0b, sum1b);
 321
 322               out[j] = vec_msb_pack_16(pa, pb);
 323           }
 324
 325 #else
 326
 327           for (IndexType j = 0; j < HalfDimensions / 2; ++j) {
 328               BiasType sum0 = accumulation[static_cast<int>(perspectives[p])][j + 0];
 329               BiasType sum1 = accumulation[static_cast<int>(perspectives[p])][j + HalfDimensions / 2];
 330               sum0 = std::clamp<BiasType>(sum0, 0, 127);
 331               sum1 = std::clamp<BiasType>(sum1, 0, 127);
 332               output[offset + j] = static_cast<OutputType>(unsigned(sum0 * sum1) / 128);
 333           }
 334
 335 #endif
 336       }
 337
 338 #if defined(vec_cleanup)
 339       vec_cleanup();
 340 #endif
 341
 342       return psqt;
 343     } // end of function transform()
 344
 345     void hint_common_access(const Position& pos) const {
 346       hint_common_access_for_perspective<WHITE>(pos);
 347       hint_common_access_for_perspective<BLACK>(pos);
 348     }
 349
 350    private:
 351     template<Color Perspective>
 352     [[nodiscard]] std::pair<StateInfo*, StateInfo*> try_find_computed_accumulator(const Position& pos) const {
 353       // Look for a usable accumulator of an earlier position. We keep track
 354       // of the estimated gain in terms of features to be added/subtracted.
 355       StateInfo *st = pos.state(), *next = nullptr;
 356       int gain = FeatureSet::refresh_cost(pos);
 357       while (st->previous && !st->accumulator.computed[Perspective])
 358       {
 359         // This governs when a full feature refresh is needed and how many
 360         // updates are better than just one full refresh.
 361         if (   FeatureSet::requires_refresh(st, Perspective)
 362             || (gain -= FeatureSet::update_cost(st) + 1) < 0)
 363           break;
 364         next = st;
 365         st = st->previous;
 366       }
 367       return { st, next };
 368     }
 369
 370     // NOTE: The parameter states_to_update is an array of position states, ending with nullptr.
 371     //       All states must be sequential, that is states_to_update[i] must either be reachable
 372     //       by repeatedly applying ->previous from states_to_update[i+1] or states_to_update[i] == nullptr.
 373     //       computed_st must be reachable by repeatedly applying ->previous on states_to_update[0], if not nullptr.
 374     template<Color Perspective, size_t N>
 375     void update_accumulator_incremental(const Position& pos, StateInfo* computed_st, StateInfo* states_to_update[N]) const {
 376       static_assert(N > 0);
 377       assert(states_to_update[N-1] == nullptr);
 378
 379   #ifdef VECTOR
 380       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 381       // is defined in the VECTOR code below, once in each branch
 382       vec_t acc[NumRegs];
 383       psqt_vec_t psqt[NumPsqtRegs];
 384   #endif
 385
 386       if (states_to_update[0] == nullptr)
 387         return;
 388
 389       // Update incrementally going back through states_to_update.
 390
 391       // Gather all features to be updated.
 392       const Square ksq = pos.square<KING>(Perspective);
 393
 394       // The size must be enough to contain the largest possible update.
 395       // That might depend on the feature set and generally relies on the
 396       // feature set's update cost calculation to be correct and never
 397       // allow updates with more added/removed features than MaxActiveDimensions.
 398       FeatureSet::IndexList removed[N-1], added[N-1];
 399
 400       {
 401         int i = N-2; // last potential state to update. Skip last element because it must be nullptr.
 402         while (states_to_update[i] == nullptr)
 403           --i;
 404
 405         StateInfo *st2 = states_to_update[i];
 406
 407         for (; i >= 0; --i)
 408         {
 409           states_to_update[i]->accumulator.computed[Perspective] = true;
 410
 411           StateInfo* end_state = i == 0 ? computed_st : states_to_update[i - 1];
 412
 413           for (; st2 != end_state; st2 = st2->previous)
 414             FeatureSet::append_changed_indices<Perspective>(
 415               ksq, st2->dirtyPiece, removed[i], added[i]);
 416         }
 417       }
 418
 419       StateInfo* st = computed_st;
 420
 421       // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 422 #ifdef VECTOR
 423       for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 424       {
 425         // Load accumulator
 426         auto accTile = reinterpret_cast<vec_t*>(
 427           &st->accumulator.accumulation[Perspective][j * TileHeight]);
 428         for (IndexType k = 0; k < NumRegs; ++k)
 429           acc[k] = vec_load(&accTile[k]);
 430
 431         for (IndexType i = 0; states_to_update[i]; ++i)
 432         {
 433           // Difference calculation for the deactivated features
 434           for (const auto index : removed[i])
 435           {
 436             const IndexType offset = HalfDimensions * index + j * TileHeight;
 437             auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 438             for (IndexType k = 0; k < NumRegs; ++k)
 439               acc[k] = vec_sub_16(acc[k], column[k]);
 440           }
 441
 442           // Difference calculation for the activated features
 443           for (const auto index : added[i])
 444           {
 445             const IndexType offset = HalfDimensions * index + j * TileHeight;
 446             auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 447             for (IndexType k = 0; k < NumRegs; ++k)
 448               acc[k] = vec_add_16(acc[k], column[k]);
 449           }
 450
 451           // Store accumulator
 452           accTile = reinterpret_cast<vec_t*>(
 453             &states_to_update[i]->accumulator.accumulation[Perspective][j * TileHeight]);
 454           for (IndexType k = 0; k < NumRegs; ++k)
 455             vec_store(&accTile[k], acc[k]);
 456         }
 457       }
 458
 459       for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 460       {
 461         // Load accumulator
 462         auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 463           &st->accumulator.psqtAccumulation[Perspective][j * PsqtTileHeight]);
 464         for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 465           psqt[k] = vec_load_psqt(&accTilePsqt[k]);
 466
 467         for (IndexType i = 0; states_to_update[i]; ++i)
 468         {
 469           // Difference calculation for the deactivated features
 470           for (const auto index : removed[i])
 471           {
 472             const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 473             auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 474             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 475               psqt[k] = vec_sub_psqt_32(psqt[k], columnPsqt[k]);
 476           }
 477
 478           // Difference calculation for the activated features
 479           for (const auto index : added[i])
 480           {
 481             const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 482             auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 483             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 484               psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 485           }
 486
 487           // Store accumulator
 488           accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 489             &states_to_update[i]->accumulator.psqtAccumulation[Perspective][j * PsqtTileHeight]);
 490           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 491             vec_store_psqt(&accTilePsqt[k], psqt[k]);
 492         }
 493       }
 494
 495 #else
 496       for (IndexType i = 0; states_to_update[i]; ++i)
 497       {
 498         std::memcpy(states_to_update[i]->accumulator.accumulation[Perspective],
 499             st->accumulator.accumulation[Perspective],
 500             HalfDimensions * sizeof(BiasType));
 501
 502         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 503           states_to_update[i]->accumulator.psqtAccumulation[Perspective][k] = st->accumulator.psqtAccumulation[Perspective][k];
 504
 505         st = states_to_update[i];
 506
 507         // Difference calculation for the deactivated features
 508         for (const auto index : removed[i])
 509         {
 510           const IndexType offset = HalfDimensions * index;
 511
 512           for (IndexType j = 0; j < HalfDimensions; ++j)
 513             st->accumulator.accumulation[Perspective][j] -= weights[offset + j];
 514
 515           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 516             st->accumulator.psqtAccumulation[Perspective][k] -= psqtWeights[index * PSQTBuckets + k];
 517         }
 518
 519         // Difference calculation for the activated features
 520         for (const auto index : added[i])
 521         {
 522           const IndexType offset = HalfDimensions * index;
 523
 524           for (IndexType j = 0; j < HalfDimensions; ++j)
 525             st->accumulator.accumulation[Perspective][j] += weights[offset + j];
 526
 527           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 528             st->accumulator.psqtAccumulation[Perspective][k] += psqtWeights[index * PSQTBuckets + k];
 529         }
 530       }
 531 #endif
 532
 533   #if defined(USE_MMX)
 534       _mm_empty();
 535   #endif
 536     }
 537
 538     template<Color Perspective>
 539     void update_accumulator_refresh(const Position& pos) const {
 540   #ifdef VECTOR
 541       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 542       // is defined in the VECTOR code below, once in each branch
 543       vec_t acc[NumRegs];
 544       psqt_vec_t psqt[NumPsqtRegs];
 545   #endif
 546
 547       // Refresh the accumulator
 548       // Could be extracted to a separate function because it's done in 2 places,
 549       // but it's unclear if compilers would correctly handle register allocation.
 550       auto& accumulator = pos.state()->accumulator;
 551       accumulator.computed[Perspective] = true;
 552       FeatureSet::IndexList active;
 553       FeatureSet::append_active_indices<Perspective>(pos, active);
 554
 555 #ifdef VECTOR
 556       for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 557       {
 558         auto biasesTile = reinterpret_cast<const vec_t*>(
 559             &biases[j * TileHeight]);
 560         for (IndexType k = 0; k < NumRegs; ++k)
 561           acc[k] = biasesTile[k];
 562
 563         for (const auto index : active)
 564         {
 565           const IndexType offset = HalfDimensions * index + j * TileHeight;
 566           auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 567
 568           for (unsigned k = 0; k < NumRegs; ++k)
 569             acc[k] = vec_add_16(acc[k], column[k]);
 570         }
 571
 572         auto accTile = reinterpret_cast<vec_t*>(
 573             &accumulator.accumulation[Perspective][j * TileHeight]);
 574         for (unsigned k = 0; k < NumRegs; k++)
 575           vec_store(&accTile[k], acc[k]);
 576       }
 577
 578       for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 579       {
 580         for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 581           psqt[k] = vec_zero_psqt();
 582
 583         for (const auto index : active)
 584         {
 585           const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 586           auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 587
 588           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 589             psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 590         }
 591
 592         auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 593           &accumulator.psqtAccumulation[Perspective][j * PsqtTileHeight]);
 594         for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 595           vec_store_psqt(&accTilePsqt[k], psqt[k]);
 596       }
 597
 598 #else
 599       std::memcpy(accumulator.accumulation[Perspective], biases,
 600           HalfDimensions * sizeof(BiasType));
 601
 602       for (std::size_t k = 0; k < PSQTBuckets; ++k)
 603         accumulator.psqtAccumulation[Perspective][k] = 0;
 604
 605       for (const auto index : active)
 606       {
 607         const IndexType offset = HalfDimensions * index;
 608
 609         for (IndexType j = 0; j < HalfDimensions; ++j)
 610           accumulator.accumulation[Perspective][j] += weights[offset + j];
 611
 612         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 613           accumulator.psqtAccumulation[Perspective][k] += psqtWeights[index * PSQTBuckets + k];
 614       }
 615 #endif
 616
 617   #if defined(USE_MMX)
 618       _mm_empty();
 619   #endif
 620     }
 621
 622     template<Color Perspective>
 623     void hint_common_access_for_perspective(const Position& pos) const {
 624
 625       // Works like update_accumulator, but performs less work.
 626       // Updates ONLY the accumulator for pos.
 627
 628       // Look for a usable accumulator of an earlier position. We keep track
 629       // of the estimated gain in terms of features to be added/subtracted.
 630       // Fast early exit.
 631       if (pos.state()->accumulator.computed[Perspective])
 632         return;
 633
 634       auto [oldest_st, _] = try_find_computed_accumulator<Perspective>(pos);
 635
 636       if (oldest_st->accumulator.computed[Perspective])
 637       {
 638         // Only update current position accumulator to minimize work.
 639         StateInfo* states_to_update[2] = { pos.state(), nullptr };
 640         update_accumulator_incremental<Perspective, 2>(pos, oldest_st, states_to_update);
 641       }
 642       else
 643       {
 644         update_accumulator_refresh<Perspective>(pos);
 645       }
 646     }
 647
 648     template<Color Perspective>
 649     void update_accumulator(const Position& pos) const {
 650
 651       auto [oldest_st, next] = try_find_computed_accumulator<Perspective>(pos);
 652
 653       if (oldest_st->accumulator.computed[Perspective])
 654       {
 655         if (next == nullptr)
 656           return;
 657
 658         // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 659         // Currently we update 2 accumulators.
 660         //     1. for the current position
 661         //     2. the next accumulator after the computed one
 662         // The heuristic may change in the future.
 663         StateInfo *states_to_update[3] =
 664           { next, next == pos.state() ? nullptr : pos.state(), nullptr };
 665
 666         update_accumulator_incremental<Perspective, 3>(pos, oldest_st, states_to_update);
 667       }
 668       else
 669       {
 670         update_accumulator_refresh<Perspective>(pos);
 671       }
 672     }
 673
 674     alignas(CacheLineSize) BiasType biases[HalfDimensions];
 675     alignas(CacheLineSize) WeightType weights[HalfDimensions * InputDimensions];
 676     alignas(CacheLineSize) PSQTWeightType psqtWeights[InputDimensions * PSQTBuckets];
 677   };
 678
 679 }  // namespace Stockfish::Eval::NNUE
 680
 681 #endif // #ifndef NNUE_FEATURE_TRANSFORMER_H_INCLUDED