compiler/locomotiv/src/Node/MatrixDecode.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 "NodeDataImpl.h"
  20 #include "NodeDomain.h"
  21 #include "Validation.h"
  22
  23 #include <nncc/core/ADT/tensor/LexicalLayout.h>
  24 #include <nncc/core/ADT/tensor/IndexEnumerator.h>
  25
  26 #include <stdexcept>
  27 #include <cassert>
  28
  29 namespace
  30 {
  31
  32 using nncc::core::ADT::tensor::Buffer;
  33 using nncc::core::ADT::tensor::make_buffer;
  34 using nncc::core::ADT::tensor::LexicalLayout;
  35 using nncc::core::ADT::tensor::Shape;
  36 using nncc::core::ADT::tensor::IndexEnumerator;
  37 using nncc::core::ADT::tensor::Index;
  38
  39 template <typename T>
  40 std::unique_ptr<locomotiv::NodeData> matrix_decode(const loco::MatrixDecode *node,
  41                                                    const Buffer<T> *input_buf)
  42 {
  43   auto decoder = node->decoder();
  44
  45   // Make MatrixShape from input. Note that matrix in locomotiv represented as HW
  46   loco::MatrixShape input_shape;
  47   assert(input_buf->shape().rank() == 2);
  48   input_shape.height() = input_buf->shape().dim(0);
  49   input_shape.width() = input_buf->shape().dim(1);
  50
  51   loco::TensorShape node_shape = decoder->shape(input_shape);
  52
  53   // Make tensor buffer from TensorShape
  54   Buffer<T> node_buf =
  55       make_buffer<T, LexicalLayout>(Shape{node_shape.dim(0).value(), node_shape.dim(1).value()});
  56
  57   // Copy buffer in an order arranged by decoder
  58   for (IndexEnumerator e{node_buf.shape()}; e.valid(); e.advance())
  59   {
  60     loco::MatrixIndex matrix_index = decoder->value(e.current());
  61     Index buf_index({matrix_index.row(), matrix_index.column()});
  62
  63     node_buf.at(e.current()) = input_buf->at(buf_index);
  64   }
  65
  66   return locomotiv::make_data(node_buf);
  67 }
  68
  69 } // namespace
  70
  71 namespace locomotiv
  72 {
  73
  74 void NodeExecution::execute(loco::MatrixDecode *matrix_dec)
  75 {
  76   auto input_data = annot_data(matrix_dec->input());
  77
  78   validate(input_data, "Input not ready");
  79   validate(annot_domain(matrix_dec->input()) == loco::Domain::Matrix,
  80            "Input domain should be Matrix");
  81   validate(input_data->shape()->rank() == 2, "Input data rank must be 2");
  82
  83   std::unique_ptr<NodeData> matrix_dec_data = nullptr;
  84
  85   switch (input_data->dtype())
  86   {
  87     case loco::DataType::S32:
  88     {
  89       auto input_buf = input_data->as_s32_bufptr();
  90       matrix_dec_data = matrix_decode<int32_t>(matrix_dec, input_buf);
  91       break;
  92     }
  93     case loco::DataType::FLOAT32:
  94     {
  95       auto input_buf = input_data->as_f32_bufptr();
  96       matrix_dec_data = matrix_decode<float>(matrix_dec, input_buf);
  97       break;
  98     }
  99     default:
 100       throw std::runtime_error("NYI for this DataType");
 101   }
 102
 103   assert(matrix_dec_data != nullptr);
 104
 105   annot_data(matrix_dec, std::move(matrix_dec_data));
 106   annot_domain(matrix_dec, loco::Domain::Tensor);
 107 }
 108
 109 } // namespace locomotiv