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