compiler/locomotiv/src/Node/FeatureCodec.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 <loco/IR/PermutingCodec.h>
  24
  25 #include <nncc/core/ADT/tensor/Shape.h>
  26 #include <nncc/core/ADT/tensor/Buffer.h>
  27 #include <nncc/core/ADT/tensor/LexicalLayout.h>
  28 #include <nncc/core/ADT/tensor/IndexEnumerator.h>
  29
  30 #include <gtest/gtest.h>
  31
  32 using nncc::core::ADT::tensor::Index;
  33 using nncc::core::ADT::tensor::Shape;
  34 using nncc::core::ADT::tensor::LexicalLayout;
  35 using nncc::core::ADT::tensor::make_buffer;
  36 using nncc::core::ADT::tensor::IndexEnumerator;
  37 using nncc::core::ADT::tensor::Buffer;
  38
  39 // This file is intended to test FeatureEncode and FeatureDecode at once
  40 namespace
  41 {
  42
  43 class NodeExecution_FeatureCodec : public ::testing::Test
  44 {
  45 private:
  46   loco::Graph g;
  47
  48 protected:
  49   /// @brief Make Pull node and set data by given buffer and data type
  50   template <typename DT> loco::Pull *pull_layer(Buffer<DT> &pull_buf, loco::DataType dtype)
  51   {
  52     auto pull = g.nodes()->create<loco::Pull>();
  53     pull->dtype(dtype);
  54
  55     auto pull_data = locomotiv::make_data(pull_buf);
  56     locomotiv::annot_data(pull, std::move(pull_data));
  57     locomotiv::annot_domain(pull, loco::Domain::Tensor);
  58
  59     return pull;
  60   }
  61
  62   /// @brief Make FeatureEncode node with given input and encoding permutation
  63   loco::FeatureEncode *feature_encode_layer(loco::Node *input,
  64                                             const loco::Permutation<loco::Domain::Feature> &perm)
  65   {
  66     auto encoder = std::unique_ptr<loco::PermutingEncoder<loco::Domain::Feature>>(
  67         new loco::PermutingEncoder<loco::Domain::Feature>);
  68
  69     encoder->perm(perm);
  70
  71     auto enc = g.nodes()->create<loco::FeatureEncode>();
  72     enc->input(input);
  73     enc->encoder(std::move(encoder));
  74
  75     return enc;
  76   }
  77
  78   /// @brief Make FeatureDecode node with given input and decoding permutation
  79   loco::FeatureDecode *feature_decode_layer(loco::Node *input,
  80                                             const loco::Permutation<loco::Domain::Feature> &perm)
  81   {
  82     auto decoder = std::unique_ptr<loco::PermutingDecoder<loco::Domain::Feature>>(
  83         new loco::PermutingDecoder<loco::Domain::Feature>);
  84
  85     decoder->perm(perm);
  86
  87     auto dec = g.nodes()->create<loco::FeatureDecode>();
  88     dec->input(input);
  89     dec->decoder(std::move(decoder));
  90
  91     return dec;
  92   }
  93 };
  94
  95 } // namespace
  96
  97 TEST_F(NodeExecution_FeatureCodec, s32)
  98 {
  99   const uint32_t N = 2;
 100   const uint32_t H = 3;
 101   const uint32_t W = 4;
 102   const uint32_t C = 5;
 103
 104   // Make "NCHW" data for pull node
 105   auto pull_buf = make_buffer<int32_t, LexicalLayout>(Shape{N, C, H, W});
 106   int32_t i = 0;
 107   for (IndexEnumerator e{pull_buf.shape()}; e.valid(); e.advance())
 108   {
 109     pull_buf.at(e.current()) = i;
 110     ++i; // Doesn't matter what it is
 111   }
 112
 113   // Make NCHW permutation for encoder and decoder
 114   loco::Permutation<loco::Domain::Feature> NCHW;
 115
 116   NCHW.axis(loco::FeatureAxis::Count) = 0;
 117   NCHW.axis(loco::FeatureAxis::Depth) = 1;
 118   NCHW.axis(loco::FeatureAxis::Height) = 2;
 119   NCHW.axis(loco::FeatureAxis::Width) = 3;
 120
 121   // Pull
 122   auto pull = pull_layer(pull_buf, loco::DataType::S32);
 123
 124   // FeatureEncode
 125   auto enc = feature_encode_layer(pull, NCHW);
 126   locomotiv::NodeExecution::get().run(enc);
 127
 128   // Test FeatureEncode
 129   auto enc_data = locomotiv::annot_data(enc);
 130   ASSERT_NE(enc_data, nullptr);
 131   ASSERT_EQ(loco::DataType::S32, enc_data->dtype());
 132   ASSERT_EQ((Shape{N, H, W, C}), *(enc_data->shape())); // locomotiv feature is NHWC
 133   auto enc_buf = enc_data->as_s32_bufptr();
 134   for (uint32_t n = 0; n < N; ++n)
 135     for (uint32_t h = 0; h < H; ++h)
 136       for (uint32_t w = 0; w < W; ++w)
 137         for (uint32_t c = 0; c < C; ++c)
 138           ASSERT_EQ(enc_buf->at(Index{n, h, w, c}), pull_buf.at(Index{n, c, h, w}));
 139
 140   ASSERT_EQ(loco::Domain::Feature, locomotiv::annot_domain(enc));
 141
 142   // FeatureDecode
 143   auto dec = feature_decode_layer(enc, NCHW);
 144   locomotiv::NodeExecution::get().run(dec);
 145
 146   // Test FeatureDecode: Encode -> Decode == identity
 147   auto dec_data = locomotiv::annot_data(dec);
 148   ASSERT_NE(dec_data, nullptr);
 149   ASSERT_EQ(loco::DataType::S32, dec_data->dtype());
 150   ASSERT_EQ((Shape{N, C, H, W}), *(dec_data->shape()));
 151   auto dec_buf = dec_data->as_s32_bufptr();
 152   for (uint32_t n = 0; n < N; ++n)
 153     for (uint32_t h = 0; h < H; ++h)
 154       for (uint32_t w = 0; w < W; ++w)
 155         for (uint32_t c = 0; c < C; ++c)
 156           ASSERT_EQ(dec_buf->at(Index{n, c, h, w}), pull_buf.at(Index{n, c, h, w}));
 157
 158   ASSERT_EQ(loco::Domain::Tensor, locomotiv::annot_domain(dec));
 159 }
 160
 161 TEST_F(NodeExecution_FeatureCodec, f32)
 162 {
 163   const uint32_t N = 2;
 164   const uint32_t H = 3;
 165   const uint32_t W = 4;
 166   const uint32_t C = 5;
 167
 168   // Make crazy "CHNW" data for pull node
 169   auto pull_buf = make_buffer<float, LexicalLayout>(Shape{C, H, N, W});
 170   float f = 0.0f;
 171   for (IndexEnumerator e{pull_buf.shape()}; e.valid(); e.advance())
 172   {
 173     pull_buf.at(e.current()) = f;
 174     f += 0.1f; // Doesn't matter what it is
 175   }
 176
 177   // Make CHNW permutation for encoder and decoder
 178   loco::Permutation<loco::Domain::Feature> CHNW;
 179
 180   CHNW.axis(loco::FeatureAxis::Depth) = 0;
 181   CHNW.axis(loco::FeatureAxis::Height) = 1;
 182   CHNW.axis(loco::FeatureAxis::Count) = 2;
 183   CHNW.axis(loco::FeatureAxis::Width) = 3;
 184
 185   // Pull
 186   auto pull = pull_layer(pull_buf, loco::DataType::FLOAT32);
 187
 188   // FeatureEncode
 189   auto enc = feature_encode_layer(pull, CHNW);
 190   locomotiv::NodeExecution::get().run(enc);
 191
 192   // Test FeatureEncode
 193   auto enc_data = locomotiv::annot_data(enc);
 194   ASSERT_NE(enc_data, nullptr);
 195   ASSERT_EQ(loco::DataType::FLOAT32, enc_data->dtype());
 196   ASSERT_EQ((Shape{N, H, W, C}), *(enc_data->shape())); // locomotiv feature is NHWC
 197   auto enc_buf = enc_data->as_f32_bufptr();
 198   for (uint32_t n = 0; n < N; ++n)
 199     for (uint32_t h = 0; h < H; ++h)
 200       for (uint32_t w = 0; w < W; ++w)
 201         for (uint32_t c = 0; c < C; ++c)
 202           ASSERT_FLOAT_EQ(enc_buf->at(Index{n, h, w, c}), pull_buf.at(Index{c, h, n, w}));
 203
 204   ASSERT_EQ(loco::Domain::Feature, locomotiv::annot_domain(enc));
 205
 206   // FeatureDecode
 207   auto dec = feature_decode_layer(enc, CHNW);
 208   locomotiv::NodeExecution::get().run(dec);
 209
 210   // Test FeatureDecode: Encode -> Decode == identity
 211   auto dec_data = locomotiv::annot_data(dec);
 212   ASSERT_NE(dec_data, nullptr);
 213   ASSERT_EQ(loco::DataType::FLOAT32, dec_data->dtype());
 214   ASSERT_EQ((Shape{C, H, N, W}), *(dec_data->shape()));
 215   auto dec_buf = dec_data->as_f32_bufptr();
 216   for (uint32_t n = 0; n < N; ++n)
 217     for (uint32_t h = 0; h < H; ++h)
 218       for (uint32_t w = 0; w < W; ++w)
 219         for (uint32_t c = 0; c < C; ++c)
 220           ASSERT_FLOAT_EQ(dec_buf->at(Index{c, h, n, w}), pull_buf.at(Index{c, h, n, w}));
 221
 222   ASSERT_EQ(loco::Domain::Tensor, locomotiv::annot_domain(dec));
 223 }