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 <cstring> // std::memset()
  28
  29 namespace Stockfish::Eval::NNUE {
  30
  31   // If vector instructions are enabled, we update and refresh the
  32   // accumulator tile by tile such that each tile fits in the CPU's
  33   // vector registers.
  34   #define VECTOR
  35
  36   static_assert(PSQTBuckets == 8, "Assumed by the current choice of constants.");
  37
  38   #ifdef USE_AVX512
  39   typedef __m512i vec_t;
  40   typedef __m256i psqt_vec_t;
  41   #define vec_load(a) _mm512_load_si512(a)
  42   #define vec_store(a,b) _mm512_store_si512(a,b)
  43   #define vec_add_16(a,b) _mm512_add_epi16(a,b)
  44   #define vec_sub_16(a,b) _mm512_sub_epi16(a,b)
  45   #define vec_load_psqt(a) _mm256_load_si256(a)
  46   #define vec_store_psqt(a,b) _mm256_store_si256(a,b)
  47   #define vec_add_psqt_32(a,b) _mm256_add_epi32(a,b)
  48   #define vec_sub_psqt_32(a,b) _mm256_sub_epi32(a,b)
  49   #define vec_zero_psqt() _mm256_setzero_si256()
  50   static constexpr IndexType NumRegs = 8; // only 8 are needed
  51   static constexpr IndexType NumPsqtRegs = 1;
  52
  53   #elif USE_AVX2
  54   typedef __m256i vec_t;
  55   typedef __m256i psqt_vec_t;
  56   #define vec_load(a) _mm256_load_si256(a)
  57   #define vec_store(a,b) _mm256_store_si256(a,b)
  58   #define vec_add_16(a,b) _mm256_add_epi16(a,b)
  59   #define vec_sub_16(a,b) _mm256_sub_epi16(a,b)
  60   #define vec_load_psqt(a) _mm256_load_si256(a)
  61   #define vec_store_psqt(a,b) _mm256_store_si256(a,b)
  62   #define vec_add_psqt_32(a,b) _mm256_add_epi32(a,b)
  63   #define vec_sub_psqt_32(a,b) _mm256_sub_epi32(a,b)
  64   #define vec_zero_psqt() _mm256_setzero_si256()
  65   static constexpr IndexType NumRegs = 16;
  66   static constexpr IndexType NumPsqtRegs = 1;
  67
  68   #elif USE_SSE2
  69   typedef __m128i vec_t;
  70   typedef __m128i psqt_vec_t;
  71   #define vec_load(a) (*(a))
  72   #define vec_store(a,b) *(a)=(b)
  73   #define vec_add_16(a,b) _mm_add_epi16(a,b)
  74   #define vec_sub_16(a,b) _mm_sub_epi16(a,b)
  75   #define vec_load_psqt(a) (*(a))
  76   #define vec_store_psqt(a,b) *(a)=(b)
  77   #define vec_add_psqt_32(a,b) _mm_add_epi32(a,b)
  78   #define vec_sub_psqt_32(a,b) _mm_sub_epi32(a,b)
  79   #define vec_zero_psqt() _mm_setzero_si128()
  80   static constexpr IndexType NumRegs = Is64Bit ? 16 : 8;
  81   static constexpr IndexType NumPsqtRegs = 2;
  82
  83   #elif USE_MMX
  84   typedef __m64 vec_t;
  85   typedef __m64 psqt_vec_t;
  86   #define vec_load(a) (*(a))
  87   #define vec_store(a,b) *(a)=(b)
  88   #define vec_add_16(a,b) _mm_add_pi16(a,b)
  89   #define vec_sub_16(a,b) _mm_sub_pi16(a,b)
  90   #define vec_load_psqt(a) (*(a))
  91   #define vec_store_psqt(a,b) *(a)=(b)
  92   #define vec_add_psqt_32(a,b) _mm_add_pi32(a,b)
  93   #define vec_sub_psqt_32(a,b) _mm_sub_pi32(a,b)
  94   #define vec_zero_psqt() _mm_setzero_si64()
  95   static constexpr IndexType NumRegs = 8;
  96   static constexpr IndexType NumPsqtRegs = 4;
  97
  98   #elif USE_NEON
  99   typedef int16x8_t vec_t;
 100   typedef int32x4_t psqt_vec_t;
 101   #define vec_load(a) (*(a))
 102   #define vec_store(a,b) *(a)=(b)
 103   #define vec_add_16(a,b) vaddq_s16(a,b)
 104   #define vec_sub_16(a,b) vsubq_s16(a,b)
 105   #define vec_load_psqt(a) (*(a))
 106   #define vec_store_psqt(a,b) *(a)=(b)
 107   #define vec_add_psqt_32(a,b) vaddq_s32(a,b)
 108   #define vec_sub_psqt_32(a,b) vsubq_s32(a,b)
 109   #define vec_zero_psqt() psqt_vec_t{0}
 110   static constexpr IndexType NumRegs = 16;
 111   static constexpr IndexType NumPsqtRegs = 2;
 112
 113   #else
 114   #undef VECTOR
 115
 116   #endif
 117
 118   // Input feature converter
 119   class FeatureTransformer {
 120
 121    private:
 122     // Number of output dimensions for one side
 123     static constexpr IndexType HalfDimensions = TransformedFeatureDimensions;
 124
 125     #ifdef VECTOR
 126     static constexpr IndexType TileHeight = NumRegs * sizeof(vec_t) / 2;
 127     static constexpr IndexType PsqtTileHeight = NumPsqtRegs * sizeof(psqt_vec_t) / 4;
 128     static_assert(HalfDimensions % TileHeight == 0, "TileHeight must divide HalfDimensions");
 129     static_assert(PSQTBuckets % PsqtTileHeight == 0, "PsqtTileHeight must divide PSQTBuckets");
 130     #endif
 131
 132    public:
 133     // Output type
 134     using OutputType = TransformedFeatureType;
 135
 136     // Number of input/output dimensions
 137     static constexpr IndexType InputDimensions = FeatureSet::Dimensions;
 138     static constexpr IndexType OutputDimensions = HalfDimensions * 2;
 139
 140     // Size of forward propagation buffer
 141     static constexpr std::size_t BufferSize =
 142         OutputDimensions * sizeof(OutputType);
 143
 144     // Hash value embedded in the evaluation file
 145     static constexpr std::uint32_t get_hash_value() {
 146       return FeatureSet::HashValue ^ OutputDimensions;
 147     }
 148
 149     // Read network parameters
 150     bool read_parameters(std::istream& stream) {
 151
 152       read_little_endian<BiasType      >(stream, biases     , HalfDimensions                  );
 153       read_little_endian<WeightType    >(stream, weights    , HalfDimensions * InputDimensions);
 154       read_little_endian<PSQTWeightType>(stream, psqtWeights, PSQTBuckets    * InputDimensions);
 155
 156       return !stream.fail();
 157     }
 158
 159     // Write network parameters
 160     bool write_parameters(std::ostream& stream) const {
 161
 162       write_little_endian<BiasType      >(stream, biases     , HalfDimensions                  );
 163       write_little_endian<WeightType    >(stream, weights    , HalfDimensions * InputDimensions);
 164       write_little_endian<PSQTWeightType>(stream, psqtWeights, PSQTBuckets    * InputDimensions);
 165
 166       return !stream.fail();
 167     }
 168
 169     // Convert input features
 170     std::int32_t transform(const Position& pos, OutputType* output, int bucket) const {
 171       update_accumulator(pos, WHITE);
 172       update_accumulator(pos, BLACK);
 173
 174       const Color perspectives[2] = {pos.side_to_move(), ~pos.side_to_move()};
 175       const auto& accumulation = pos.state()->accumulator.accumulation;
 176       const auto& psqtAccumulation = pos.state()->accumulator.psqtAccumulation;
 177
 178       const auto psqt = (
 179             psqtAccumulation[perspectives[0]][bucket]
 180           - psqtAccumulation[perspectives[1]][bucket]
 181         ) / 2;
 182
 183
 184   #if defined(USE_AVX512)
 185
 186       constexpr IndexType NumChunks = HalfDimensions / (SimdWidth * 2);
 187       static_assert(HalfDimensions % (SimdWidth * 2) == 0);
 188       const __m512i Control = _mm512_setr_epi64(0, 2, 4, 6, 1, 3, 5, 7);
 189       const __m512i Zero = _mm512_setzero_si512();
 190
 191       for (IndexType p = 0; p < 2; ++p)
 192       {
 193           const IndexType offset = HalfDimensions * p;
 194           auto out = reinterpret_cast<__m512i*>(&output[offset]);
 195           for (IndexType j = 0; j < NumChunks; ++j)
 196           {
 197               __m512i sum0 = _mm512_load_si512(&reinterpret_cast<const __m512i*>
 198                                               (accumulation[perspectives[p]])[j * 2 + 0]);
 199               __m512i sum1 = _mm512_load_si512(&reinterpret_cast<const __m512i*>
 200                                               (accumulation[perspectives[p]])[j * 2 + 1]);
 201
 202               _mm512_store_si512(&out[j], _mm512_permutexvar_epi64(Control,
 203                                  _mm512_max_epi8(_mm512_packs_epi16(sum0, sum1), Zero)));
 204           }
 205       }
 206       return psqt;
 207
 208   #elif defined(USE_AVX2)
 209
 210       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 211       constexpr int Control = 0b11011000;
 212       const __m256i Zero = _mm256_setzero_si256();
 213
 214       for (IndexType p = 0; p < 2; ++p)
 215       {
 216           const IndexType offset = HalfDimensions * p;
 217           auto out = reinterpret_cast<__m256i*>(&output[offset]);
 218           for (IndexType j = 0; j < NumChunks; ++j)
 219           {
 220               __m256i sum0 = _mm256_load_si256(&reinterpret_cast<const __m256i*>
 221                                               (accumulation[perspectives[p]])[j * 2 + 0]);
 222               __m256i sum1 = _mm256_load_si256(&reinterpret_cast<const __m256i*>
 223                                               (accumulation[perspectives[p]])[j * 2 + 1]);
 224
 225               _mm256_store_si256(&out[j], _mm256_permute4x64_epi64(
 226                                  _mm256_max_epi8(_mm256_packs_epi16(sum0, sum1), Zero), Control));
 227           }
 228       }
 229       return psqt;
 230
 231   #elif defined(USE_SSE2)
 232
 233       #ifdef USE_SSE41
 234       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 235       const __m128i Zero = _mm_setzero_si128();
 236       #else
 237       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 238       const __m128i k0x80s = _mm_set1_epi8(-128);
 239       #endif
 240
 241       for (IndexType p = 0; p < 2; ++p)
 242       {
 243           const IndexType offset = HalfDimensions * p;
 244           auto out = reinterpret_cast<__m128i*>(&output[offset]);
 245           for (IndexType j = 0; j < NumChunks; ++j)
 246           {
 247               __m128i sum0 = _mm_load_si128(&reinterpret_cast<const __m128i*>
 248                                            (accumulation[perspectives[p]])[j * 2 + 0]);
 249               __m128i sum1 = _mm_load_si128(&reinterpret_cast<const __m128i*>
 250                                            (accumulation[perspectives[p]])[j * 2 + 1]);
 251               const __m128i packedbytes = _mm_packs_epi16(sum0, sum1);
 252
 253               #ifdef USE_SSE41
 254               _mm_store_si128(&out[j], _mm_max_epi8(packedbytes, Zero));
 255               #else
 256               _mm_store_si128(&out[j], _mm_subs_epi8(_mm_adds_epi8(packedbytes, k0x80s), k0x80s));
 257               #endif
 258           }
 259       }
 260       return psqt;
 261
 262   #elif defined(USE_MMX)
 263
 264       constexpr IndexType NumChunks = HalfDimensions / SimdWidth;
 265       const __m64 k0x80s = _mm_set1_pi8(-128);
 266
 267       for (IndexType p = 0; p < 2; ++p)
 268       {
 269           const IndexType offset = HalfDimensions * p;
 270           auto out = reinterpret_cast<__m64*>(&output[offset]);
 271           for (IndexType j = 0; j < NumChunks; ++j)
 272           {
 273               __m64 sum0 = *(&reinterpret_cast<const __m64*>(accumulation[perspectives[p]])[j * 2 + 0]);
 274               __m64 sum1 = *(&reinterpret_cast<const __m64*>(accumulation[perspectives[p]])[j * 2 + 1]);
 275               const __m64 packedbytes = _mm_packs_pi16(sum0, sum1);
 276               out[j] = _mm_subs_pi8(_mm_adds_pi8(packedbytes, k0x80s), k0x80s);
 277           }
 278       }
 279       _mm_empty();
 280       return psqt;
 281
 282   #elif defined(USE_NEON)
 283
 284       constexpr IndexType NumChunks = HalfDimensions / (SimdWidth / 2);
 285       const int8x8_t Zero = {0};
 286
 287       for (IndexType p = 0; p < 2; ++p)
 288       {
 289           const IndexType offset = HalfDimensions * p;
 290           const auto out = reinterpret_cast<int8x8_t*>(&output[offset]);
 291           for (IndexType j = 0; j < NumChunks; ++j)
 292           {
 293               int16x8_t sum = reinterpret_cast<const int16x8_t*>(accumulation[perspectives[p]])[j];
 294               out[j] = vmax_s8(vqmovn_s16(sum), Zero);
 295           }
 296       }
 297       return psqt;
 298
 299   #else
 300
 301       for (IndexType p = 0; p < 2; ++p)
 302       {
 303           const IndexType offset = HalfDimensions * p;
 304           for (IndexType j = 0; j < HalfDimensions; ++j)
 305           {
 306               BiasType sum = accumulation[perspectives[p]][j];
 307               output[offset + j] = static_cast<OutputType>(std::max<int>(0, std::min<int>(127, sum)));
 308           }
 309       }
 310       return psqt;
 311
 312   #endif
 313
 314    } // end of function transform()
 315
 316
 317
 318    private:
 319     void update_accumulator(const Position& pos, const Color perspective) const {
 320
 321       // The size must be enough to contain the largest possible update.
 322       // That might depend on the feature set and generally relies on the
 323       // feature set's update cost calculation to be correct and never
 324       // allow updates with more added/removed features than MaxActiveDimensions.
 325       using IndexList = ValueList<IndexType, FeatureSet::MaxActiveDimensions>;
 326
 327   #ifdef VECTOR
 328       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 329       // is defined in the VECTOR code below, once in each branch
 330       vec_t acc[NumRegs];
 331       psqt_vec_t psqt[NumPsqtRegs];
 332   #endif
 333
 334       // Look for a usable accumulator of an earlier position. We keep track
 335       // of the estimated gain in terms of features to be added/subtracted.
 336       StateInfo *st = pos.state(), *next = nullptr;
 337       int gain = FeatureSet::refresh_cost(pos);
 338       while (st->accumulator.state[perspective] == EMPTY)
 339       {
 340         // This governs when a full feature refresh is needed and how many
 341         // updates are better than just one full refresh.
 342         if (   FeatureSet::requires_refresh(st, perspective)
 343             || (gain -= FeatureSet::update_cost(st) + 1) < 0)
 344           break;
 345         next = st;
 346         st = st->previous;
 347       }
 348
 349       if (st->accumulator.state[perspective] == COMPUTED)
 350       {
 351         if (next == nullptr)
 352           return;
 353
 354         // Update incrementally in two steps. First, we update the "next"
 355         // accumulator. Then, we update the current accumulator (pos.state()).
 356
 357         // Gather all features to be updated.
 358         const Square ksq = pos.square<KING>(perspective);
 359         IndexList removed[2], added[2];
 360         FeatureSet::append_changed_indices(
 361           ksq, next, perspective, removed[0], added[0]);
 362         for (StateInfo *st2 = pos.state(); st2 != next; st2 = st2->previous)
 363           FeatureSet::append_changed_indices(
 364             ksq, st2, perspective, removed[1], added[1]);
 365
 366         // Mark the accumulators as computed.
 367         next->accumulator.state[perspective] = COMPUTED;
 368         pos.state()->accumulator.state[perspective] = COMPUTED;
 369
 370         // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 371         StateInfo *states_to_update[3] =
 372           { next, next == pos.state() ? nullptr : pos.state(), nullptr };
 373   #ifdef VECTOR
 374         for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 375         {
 376           // Load accumulator
 377           auto accTile = reinterpret_cast<vec_t*>(
 378             &st->accumulator.accumulation[perspective][j * TileHeight]);
 379           for (IndexType k = 0; k < NumRegs; ++k)
 380             acc[k] = vec_load(&accTile[k]);
 381
 382           for (IndexType i = 0; states_to_update[i]; ++i)
 383           {
 384             // Difference calculation for the deactivated features
 385             for (const auto index : removed[i])
 386             {
 387               const IndexType offset = HalfDimensions * index + j * TileHeight;
 388               auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 389               for (IndexType k = 0; k < NumRegs; ++k)
 390                 acc[k] = vec_sub_16(acc[k], column[k]);
 391             }
 392
 393             // Difference calculation for the activated features
 394             for (const auto index : added[i])
 395             {
 396               const IndexType offset = HalfDimensions * index + j * TileHeight;
 397               auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 398               for (IndexType k = 0; k < NumRegs; ++k)
 399                 acc[k] = vec_add_16(acc[k], column[k]);
 400             }
 401
 402             // Store accumulator
 403             accTile = reinterpret_cast<vec_t*>(
 404               &states_to_update[i]->accumulator.accumulation[perspective][j * TileHeight]);
 405             for (IndexType k = 0; k < NumRegs; ++k)
 406               vec_store(&accTile[k], acc[k]);
 407           }
 408         }
 409
 410         for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 411         {
 412           // Load accumulator
 413           auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 414             &st->accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 415           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 416             psqt[k] = vec_load_psqt(&accTilePsqt[k]);
 417
 418           for (IndexType i = 0; states_to_update[i]; ++i)
 419           {
 420             // Difference calculation for the deactivated features
 421             for (const auto index : removed[i])
 422             {
 423               const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 424               auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 425               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 426                 psqt[k] = vec_sub_psqt_32(psqt[k], columnPsqt[k]);
 427             }
 428
 429             // Difference calculation for the activated features
 430             for (const auto index : added[i])
 431             {
 432               const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 433               auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 434               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 435                 psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 436             }
 437
 438             // Store accumulator
 439             accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 440               &states_to_update[i]->accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 441             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 442               vec_store_psqt(&accTilePsqt[k], psqt[k]);
 443           }
 444         }
 445
 446   #else
 447         for (IndexType i = 0; states_to_update[i]; ++i)
 448         {
 449           std::memcpy(states_to_update[i]->accumulator.accumulation[perspective],
 450               st->accumulator.accumulation[perspective],
 451               HalfDimensions * sizeof(BiasType));
 452
 453           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 454             states_to_update[i]->accumulator.psqtAccumulation[perspective][k] = st->accumulator.psqtAccumulation[perspective][k];
 455
 456           st = states_to_update[i];
 457
 458           // Difference calculation for the deactivated features
 459           for (const auto index : removed[i])
 460           {
 461             const IndexType offset = HalfDimensions * index;
 462
 463             for (IndexType j = 0; j < HalfDimensions; ++j)
 464               st->accumulator.accumulation[perspective][j] -= weights[offset + j];
 465
 466             for (std::size_t k = 0; k < PSQTBuckets; ++k)
 467               st->accumulator.psqtAccumulation[perspective][k] -= psqtWeights[index * PSQTBuckets + k];
 468           }
 469
 470           // Difference calculation for the activated features
 471           for (const auto index : added[i])
 472           {
 473             const IndexType offset = HalfDimensions * index;
 474
 475             for (IndexType j = 0; j < HalfDimensions; ++j)
 476               st->accumulator.accumulation[perspective][j] += weights[offset + j];
 477
 478             for (std::size_t k = 0; k < PSQTBuckets; ++k)
 479               st->accumulator.psqtAccumulation[perspective][k] += psqtWeights[index * PSQTBuckets + k];
 480           }
 481         }
 482   #endif
 483       }
 484       else
 485       {
 486         // Refresh the accumulator
 487         auto& accumulator = pos.state()->accumulator;
 488         accumulator.state[perspective] = COMPUTED;
 489         IndexList active;
 490         FeatureSet::append_active_indices(pos, perspective, active);
 491
 492   #ifdef VECTOR
 493         for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 494         {
 495           auto biasesTile = reinterpret_cast<const vec_t*>(
 496               &biases[j * TileHeight]);
 497           for (IndexType k = 0; k < NumRegs; ++k)
 498             acc[k] = biasesTile[k];
 499
 500           for (const auto index : active)
 501           {
 502             const IndexType offset = HalfDimensions * index + j * TileHeight;
 503             auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 504
 505             for (unsigned k = 0; k < NumRegs; ++k)
 506               acc[k] = vec_add_16(acc[k], column[k]);
 507           }
 508
 509           auto accTile = reinterpret_cast<vec_t*>(
 510               &accumulator.accumulation[perspective][j * TileHeight]);
 511           for (unsigned k = 0; k < NumRegs; k++)
 512             vec_store(&accTile[k], acc[k]);
 513         }
 514
 515         for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 516         {
 517           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 518             psqt[k] = vec_zero_psqt();
 519
 520           for (const auto index : active)
 521           {
 522             const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 523             auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 524
 525             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 526               psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 527           }
 528
 529           auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 530             &accumulator.psqtAccumulation[perspective][j * PsqtTileHeight]);
 531           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 532             vec_store_psqt(&accTilePsqt[k], psqt[k]);
 533         }
 534
 535   #else
 536         std::memcpy(accumulator.accumulation[perspective], biases,
 537             HalfDimensions * sizeof(BiasType));
 538
 539         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 540           accumulator.psqtAccumulation[perspective][k] = 0;
 541
 542         for (const auto index : active)
 543         {
 544           const IndexType offset = HalfDimensions * index;
 545
 546           for (IndexType j = 0; j < HalfDimensions; ++j)
 547             accumulator.accumulation[perspective][j] += weights[offset + j];
 548
 549           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 550             accumulator.psqtAccumulation[perspective][k] += psqtWeights[index * PSQTBuckets + k];
 551         }
 552   #endif
 553       }
 554
 555   #if defined(USE_MMX)
 556       _mm_empty();
 557   #endif
 558     }
 559
 560     using BiasType = std::int16_t;
 561     using WeightType = std::int16_t;
 562     using PSQTWeightType = std::int32_t;
 563
 564     alignas(CacheLineSize) BiasType biases[HalfDimensions];
 565     alignas(CacheLineSize) WeightType weights[HalfDimensions * InputDimensions];
 566     alignas(CacheLineSize) PSQTWeightType psqtWeights[InputDimensions * PSQTBuckets];
 567   };
 568
 569 }  // namespace Stockfish::Eval::NNUE
 570
 571 #endif // #ifndef NNUE_FEATURE_TRANSFORMER_H_INCLUDED