compiler/locomotiv/src/Node/EltwiseDiv.test.cpp

   1 /*
   2  * Copyright (c) 2019 Samsung Electronics Co., Ltd. All Rights Reserved
   3  *
   4  * Licensed under the Apache License, Version 2.0 (the "License");
   5  * you may not use this file except in compliance with the License.
   6  * You may obtain a copy of the License at
   7  *
   8  *    http://www.apache.org/licenses/LICENSE-2.0
   9  *
  10  * Unless required by applicable law or agreed to in writing, software
  11  * distributed under the License is distributed on an "AS IS" BASIS,
  12  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  13  * See the License for the specific language governing permissions and
  14  * limitations under the License.
  15  */
  16
  17 #include "NodeExecution.h"
  18
  19 #include "locomotiv/NodeData.h"
  20 #include "NodeDataImpl.h"
  21 #include "NodeDomain.h"
  22
  23 #include <nncc/core/ADT/tensor/Shape.h>
  24 #include <nncc/core/ADT/tensor/Buffer.h>
  25 #include <nncc/core/ADT/tensor/LexicalLayout.h>
  26 #include <nncc/core/ADT/tensor/Index.h>
  27 #include <nncc/core/ADT/tensor/IndexEnumerator.h>
  28
  29 #include <gtest/gtest.h>
  30
  31 using nncc::core::ADT::tensor::Shape;
  32 using nncc::core::ADT::tensor::LexicalLayout;
  33 using nncc::core::ADT::tensor::make_buffer;
  34 using nncc::core::ADT::tensor::IndexEnumerator;
  35
  36 /*
  37 test case generated from the following:
  38
  39 x = tf.constant([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18],
  40                 shape=[1, 3, 3, 2], dtype=tf.float32)
  41 y = tf.constant([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18],
  42                 shape=[1, 3, 3, 2], dtype=tf.float32)
  43 out = tf.div(x, y)
  44
  45 with tf.Session() as sess:
  46     print(sess.run(out))
  47 */
  48 TEST(NodeExecution_EltwiseDiv, f32)
  49 {
  50   float x_val[] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18};
  51   float y_val[] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18};
  52   float out_val[] = {1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1};
  53
  54   // make EltwiseDiv(Pull, Pull)
  55   auto g = loco::make_graph();
  56   Shape input_shape{1, 3, 3, 2}; // NHWC
  57
  58   auto inp_lhs = g->nodes()->create<loco::Pull>();
  59   {
  60     inp_lhs->dtype(loco::DataType::FLOAT32);
  61     inp_lhs->shape({1, 3, 3, 2});
  62   }
  63
  64   auto inp_rhs = g->nodes()->create<loco::Pull>();
  65   {
  66     inp_rhs->dtype(loco::DataType::FLOAT32);
  67     inp_rhs->shape({1, 3, 3, 2});
  68   }
  69
  70   auto eltwise_div = g->nodes()->create<loco::EltwiseDiv>();
  71   {
  72     eltwise_div->lhs(inp_lhs);
  73     eltwise_div->rhs(inp_rhs);
  74   }
  75
  76   // Make and assign data to two pull nodes
  77   auto inp_lhs_buf = make_buffer<float, LexicalLayout>(input_shape);
  78   {
  79     int n = 0;
  80     for (IndexEnumerator e{inp_lhs_buf.shape()}; e.valid(); e.advance())
  81     {
  82       inp_lhs_buf.at(e.current()) = x_val[n++];
  83     }
  84   }
  85
  86   auto inp_rhs_buf = make_buffer<float, LexicalLayout>(input_shape);
  87   {
  88     int n = 0;
  89     for (IndexEnumerator e{inp_rhs_buf.shape()}; e.valid(); e.advance())
  90     {
  91       inp_rhs_buf.at(e.current()) = y_val[n++];
  92     }
  93   }
  94
  95   auto inp_lhs_data = locomotiv::make_data(inp_lhs_buf);
  96   locomotiv::annot_data(inp_lhs, std::move(inp_lhs_data));
  97   locomotiv::annot_domain(inp_lhs, loco::Domain::Tensor);
  98
  99   auto inp_rhs_data = locomotiv::make_data(inp_rhs_buf);
 100   locomotiv::annot_data(inp_rhs, std::move(inp_rhs_data));
 101   locomotiv::annot_domain(inp_rhs, loco::Domain::Tensor);
 102
 103   // run the network
 104   locomotiv::NodeExecution::get().run(eltwise_div);
 105
 106   // get result
 107   auto eltwise_div_data = locomotiv::annot_data(eltwise_div);
 108
 109   // comparing the result
 110   ASSERT_NE(eltwise_div_data, nullptr);
 111   ASSERT_EQ(loco::DataType::FLOAT32, eltwise_div_data->dtype());
 112   ASSERT_EQ(Shape({1, 3, 3, 2}), *(eltwise_div_data->shape()));
 113
 114   uint32_t n = 0;
 115   for (IndexEnumerator e{*(eltwise_div_data->shape())}; e.valid(); e.advance())
 116   {
 117     ASSERT_FLOAT_EQ(out_val[n++], eltwise_div_data->as_f32_bufptr()->at(e.current()));
 118   }
 119
 120   ASSERT_EQ(loco::Domain::Tensor, locomotiv::annot_domain(eltwise_div));
 121 }