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       return !stream.fail();
 169     }
 170
 171     // Convert input features
 172     std::pair<std::int32_t, bool> transform(const Position& pos, OutputType* output, int bucket, Value lazyThreshold) const {
 173       update_accumulator(pos, WHITE);
 174       update_accumulator(pos, BLACK);
 175
 176       const Color perspectives[2] = {pos.side_to_move(), ~pos.side_to_move()};
 177       const auto& accumulation = pos.state()->accumulator.accumulation;
 178       const auto& psqtAccumulation = pos.state()->accumulator.psqtAccumulation;
 179
 180       const auto psqt = (
 181             psqtAccumulation[static_cast<int>(perspectives[0])][bucket]
 182           - psqtAccumulation[static_cast<int>(perspectives[1])][bucket]
 183         ) / 2;
 184
 185       if (abs(psqt) > (int)lazyThreshold * OutputScale)
 186         return { psqt, true };
 187
 188   #if defined(USE_AVX512)
 189       constexpr IndexType NumChunks = HalfDimensions / (SimdWidth * 2);
 190       static_assert(HalfDimensions % (SimdWidth * 2) == 0);
 191       const __m512i Control = _mm512_setr_epi64(0, 2, 4, 6, 1, 3, 5, 7);
 192       const __m512i Zero = _mm512_setzero_si512();
 193
 194   #elif defined(USE_AVX2)
 195       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 196       constexpr int Control = 0b11011000;
 197       const __m256i Zero = _mm256_setzero_si256();
 198
 199   #elif defined(USE_SSE2)
 200       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 201
 202   #ifdef USE_SSE41
 203       const __m128i Zero = _mm_setzero_si128();
 204   #else
 205       const __m128i k0x80s = _mm_set1_epi8(-128);
 206   #endif
 207
 208   #elif defined(USE_MMX)
 209       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 210       const __m64 k0x80s = _mm_set1_pi8(-128);
 211
 212   #elif defined(USE_NEON)
 213       constexpr IndexType NumChunks = HalfDimensions / (SimdWidth / 2);
 214       const int8x8_t Zero = {0};
 215   #endif
 216
 217       for (IndexType p = 0; p < 2; ++p) {
 218         const IndexType offset = HalfDimensions * p;
 219
 220   #if defined(USE_AVX512)
 221         auto out = reinterpret_cast<__m512i*>(&output[offset]);
 222         for (IndexType j = 0; j < NumChunks; ++j) {
 223           __m512i sum0 = _mm512_load_si512(
 224               &reinterpret_cast<const __m512i*>(accumulation[perspectives[p]])[j * 2 + 0]);
 225           __m512i sum1 = _mm512_load_si512(
 226               &reinterpret_cast<const __m512i*>(accumulation[perspectives[p]])[j * 2 + 1]);
 227           _mm512_store_si512(&out[j], _mm512_permutexvar_epi64(Control,
 228               _mm512_max_epi8(_mm512_packs_epi16(sum0, sum1), Zero)));
 229         }
 230
 231   #elif defined(USE_AVX2)
 232         auto out = reinterpret_cast<__m256i*>(&output[offset]);
 233         for (IndexType j = 0; j < NumChunks; ++j) {
 234           __m256i sum0 = _mm256_load_si256(
 235               &reinterpret_cast<const __m256i*>(accumulation[perspectives[p]])[j * 2 + 0]);
 236           __m256i sum1 = _mm256_load_si256(
 237               &reinterpret_cast<const __m256i*>(accumulation[perspectives[p]])[j * 2 + 1]);
 238           _mm256_store_si256(&out[j], _mm256_permute4x64_epi64(_mm256_max_epi8(
 239               _mm256_packs_epi16(sum0, sum1), Zero), Control));
 240         }
 241
 242   #elif defined(USE_SSE2)
 243         auto out = reinterpret_cast<__m128i*>(&output[offset]);
 244         for (IndexType j = 0; j < NumChunks; ++j) {
 245           __m128i sum0 = _mm_load_si128(&reinterpret_cast<const __m128i*>(
 246               accumulation[perspectives[p]])[j * 2 + 0]);
 247           __m128i sum1 = _mm_load_si128(&reinterpret_cast<const __m128i*>(
 248               accumulation[perspectives[p]])[j * 2 + 1]);
 249       const __m128i packedbytes = _mm_packs_epi16(sum0, sum1);
 250
 251           _mm_store_si128(&out[j],
 252
 253   #ifdef USE_SSE41
 254               _mm_max_epi8(packedbytes, Zero)
 255   #else
 256               _mm_subs_epi8(_mm_adds_epi8(packedbytes, k0x80s), k0x80s)
 257   #endif
 258
 259           );
 260         }
 261
 262   #elif defined(USE_MMX)
 263         auto out = reinterpret_cast<__m64*>(&output[offset]);
 264         for (IndexType j = 0; j < NumChunks; ++j) {
 265           __m64 sum0 = *(&reinterpret_cast<const __m64*>(
 266               accumulation[perspectives[p]])[j * 2 + 0]);
 267           __m64 sum1 = *(&reinterpret_cast<const __m64*>(
 268               accumulation[perspectives[p]])[j * 2 + 1]);
 269           const __m64 packedbytes = _mm_packs_pi16(sum0, sum1);
 270           out[j] = _mm_subs_pi8(_mm_adds_pi8(packedbytes, k0x80s), k0x80s);
 271         }
 272
 273   #elif defined(USE_NEON)
 274         const auto out = reinterpret_cast<int8x8_t*>(&output[offset]);
 275         for (IndexType j = 0; j < NumChunks; ++j) {
 276           int16x8_t sum = reinterpret_cast<const int16x8_t*>(
 277               accumulation[perspectives[p]])[j];
 278           out[j] = vmax_s8(vqmovn_s16(sum), Zero);
 279         }
 280
 281   #else
 282         for (IndexType j = 0; j < HalfDimensions; ++j) {
 283           BiasType sum = accumulation[static_cast<int>(perspectives[p])][j];
 284           output[offset + j] = static_cast<OutputType>(
 285               std::max<int>(0, std::min<int>(127, sum)));
 286         }
 287   #endif
 288
 289       }
 290   #if defined(USE_MMX)
 291       _mm_empty();
 292   #endif
 293
 294       return { psqt, false };
 295     }
 296
 297    private:
 298     void update_accumulator(const Position& pos, const Color perspective) const {
 299
 300       // The size must be enough to contain the largest possible update.
 301       // That might depend on the feature set and generally relies on the
 302       // feature set's update cost calculation to be correct and never
 303       // allow updates with more added/removed features than MaxActiveDimensions.
 304       using IndexList = ValueList<IndexType, FeatureSet::MaxActiveDimensions>;
 305
 306   #ifdef VECTOR
 307       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 308       // is defined in the VECTOR code below, once in each branch
 309       vec_t acc[NumRegs];
 310       psqt_vec_t psqt[NumPsqtRegs];
 311   #endif
 312
 313       // Look for a usable accumulator of an earlier position. We keep track
 314       // of the estimated gain in terms of features to be added/subtracted.
 315       StateInfo *st = pos.state(), *next = nullptr;
 316       int gain = FeatureSet::refresh_cost(pos);
 317       while (st->accumulator.state[perspective] == EMPTY)
 318       {
 319         // This governs when a full feature refresh is needed and how many
 320         // updates are better than just one full refresh.
 321         if (   FeatureSet::requires_refresh(st, perspective)
 322             || (gain -= FeatureSet::update_cost(st) + 1) < 0)
 323           break;
 324         next = st;
 325         st = st->previous;
 326       }
 327
 328       if (st->accumulator.state[perspective] == COMPUTED)
 329       {
 330         if (next == nullptr)
 331           return;
 332
 333         // Update incrementally in two steps. First, we update the "next"
 334         // accumulator. Then, we update the current accumulator (pos.state()).
 335
 336         // Gather all features to be updated.
 337         const Square ksq = pos.square<KING>(perspective);
 338         IndexList removed[2], added[2];
 339         FeatureSet::append_changed_indices(
 340           ksq, next, perspective, removed[0], added[0]);
 341         for (StateInfo *st2 = pos.state(); st2 != next; st2 = st2->previous)
 342           FeatureSet::append_changed_indices(
 343             ksq, st2, perspective, removed[1], added[1]);
 344
 345         // Mark the accumulators as computed.
 346         next->accumulator.state[perspective] = COMPUTED;
 347         pos.state()->accumulator.state[perspective] = COMPUTED;
 348
 349         // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 350         StateInfo *states_to_update[3] =
 351           { next, next == pos.state() ? nullptr : pos.state(), nullptr };
 352   #ifdef VECTOR
 353         for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 354         {
 355           // Load accumulator
 356           auto accTile = reinterpret_cast<vec_t*>(
 357             &st->accumulator.accumulation[perspective][j * TileHeight]);
 358           for (IndexType k = 0; k < NumRegs; ++k)
 359             acc[k] = vec_load(&accTile[k]);
 360
 361           for (IndexType i = 0; states_to_update[i]; ++i)
 362           {
 363             // Difference calculation for the deactivated features
 364             for (const auto index : removed[i])
 365             {
 366               const IndexType offset = HalfDimensions * index + j * TileHeight;
 367               auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 368               for (IndexType k = 0; k < NumRegs; ++k)
 369                 acc[k] = vec_sub_16(acc[k], column[k]);
 370             }
 371
 372             // Difference calculation for the activated features
 373             for (const auto index : added[i])
 374             {
 375               const IndexType offset = HalfDimensions * index + j * TileHeight;
 376               auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 377               for (IndexType k = 0; k < NumRegs; ++k)
 378                 acc[k] = vec_add_16(acc[k], column[k]);
 379             }
 380
 381             // Store accumulator
 382             accTile = reinterpret_cast<vec_t*>(
 383               &states_to_update[i]->accumulator.accumulation[perspective][j * TileHeight]);
 384             for (IndexType k = 0; k < NumRegs; ++k)
 385               vec_store(&accTile[k], acc[k]);
 386           }
 387         }
 388
 389         for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 390         {
 391           // Load accumulator
 392           auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 393             &st->accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 394           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 395             psqt[k] = vec_load_psqt(&accTilePsqt[k]);
 396
 397           for (IndexType i = 0; states_to_update[i]; ++i)
 398           {
 399             // Difference calculation for the deactivated features
 400             for (const auto index : removed[i])
 401             {
 402               const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 403               auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 404               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 405                 psqt[k] = vec_sub_psqt_32(psqt[k], columnPsqt[k]);
 406             }
 407
 408             // Difference calculation for the activated features
 409             for (const auto index : added[i])
 410             {
 411               const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 412               auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 413               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 414                 psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 415             }
 416
 417             // Store accumulator
 418             accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 419               &states_to_update[i]->accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 420             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 421               vec_store_psqt(&accTilePsqt[k], psqt[k]);
 422           }
 423         }
 424
 425   #else
 426         for (IndexType i = 0; states_to_update[i]; ++i)
 427         {
 428           std::memcpy(states_to_update[i]->accumulator.accumulation[perspective],
 429               st->accumulator.accumulation[perspective],
 430               HalfDimensions * sizeof(BiasType));
 431
 432           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 433             states_to_update[i]->accumulator.psqtAccumulation[perspective][k] = st->accumulator.psqtAccumulation[perspective][k];
 434
 435           st = states_to_update[i];
 436
 437           // Difference calculation for the deactivated features
 438           for (const auto index : removed[i])
 439           {
 440             const IndexType offset = HalfDimensions * index;
 441
 442             for (IndexType j = 0; j < HalfDimensions; ++j)
 443               st->accumulator.accumulation[perspective][j] -= weights[offset + j];
 444
 445             for (std::size_t k = 0; k < PSQTBuckets; ++k)
 446               st->accumulator.psqtAccumulation[perspective][k] -= psqtWeights[index * PSQTBuckets + k];
 447           }
 448
 449           // Difference calculation for the activated features
 450           for (const auto index : added[i])
 451           {
 452             const IndexType offset = HalfDimensions * index;
 453
 454             for (IndexType j = 0; j < HalfDimensions; ++j)
 455               st->accumulator.accumulation[perspective][j] += weights[offset + j];
 456
 457             for (std::size_t k = 0; k < PSQTBuckets; ++k)
 458               st->accumulator.psqtAccumulation[perspective][k] += psqtWeights[index * PSQTBuckets + k];
 459           }
 460         }
 461   #endif
 462       }
 463       else
 464       {
 465         // Refresh the accumulator
 466         auto& accumulator = pos.state()->accumulator;
 467         accumulator.state[perspective] = COMPUTED;
 468         IndexList active;
 469         FeatureSet::append_active_indices(pos, perspective, active);
 470
 471   #ifdef VECTOR
 472         for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 473         {
 474           auto biasesTile = reinterpret_cast<const vec_t*>(
 475               &biases[j * TileHeight]);
 476           for (IndexType k = 0; k < NumRegs; ++k)
 477             acc[k] = biasesTile[k];
 478
 479           for (const auto index : active)
 480           {
 481             const IndexType offset = HalfDimensions * index + j * TileHeight;
 482             auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 483
 484             for (unsigned k = 0; k < NumRegs; ++k)
 485               acc[k] = vec_add_16(acc[k], column[k]);
 486           }
 487
 488           auto accTile = reinterpret_cast<vec_t*>(
 489               &accumulator.accumulation[perspective][j * TileHeight]);
 490           for (unsigned k = 0; k < NumRegs; k++)
 491             vec_store(&accTile[k], acc[k]);
 492         }
 493
 494         for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 495         {
 496           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 497             psqt[k] = vec_zero_psqt();
 498
 499           for (const auto index : active)
 500           {
 501             const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 502             auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 503
 504             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 505               psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 506           }
 507
 508           auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 509             &accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 510           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 511             vec_store_psqt(&accTilePsqt[k], psqt[k]);
 512         }
 513
 514   #else
 515         std::memcpy(accumulator.accumulation[perspective], biases,
 516             HalfDimensions * sizeof(BiasType));
 517
 518         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 519           accumulator.psqtAccumulation[perspective][k] = 0;
 520
 521         for (const auto index : active)
 522         {
 523           const IndexType offset = HalfDimensions * index;
 524
 525           for (IndexType j = 0; j < HalfDimensions; ++j)
 526             accumulator.accumulation[perspective][j] += weights[offset + j];
 527
 528           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 529             accumulator.psqtAccumulation[perspective][k] += psqtWeights[index * PSQTBuckets + k];
 530         }
 531   #endif
 532       }
 533
 534   #if defined(USE_MMX)
 535       _mm_empty();
 536   #endif
 537     }
 538
 539     using BiasType = std::int16_t;
 540     using WeightType = std::int16_t;
 541     using PSQTWeightType = std::int32_t;
 542
 543     alignas(CacheLineSize) BiasType biases[HalfDimensions];
 544     alignas(CacheLineSize) WeightType weights[HalfDimensions * InputDimensions];
 545     alignas(CacheLineSize) PSQTWeightType psqtWeights[InputDimensions * PSQTBuckets];
 546   };
 547
 548 }  // namespace Stockfish::Eval::NNUE
 549
 550 #endif // #ifndef NNUE_FEATURE_TRANSFORMER_H_INCLUDED