compiler/luci-interpreter/src/kernels/AveragePool2D.cpp

   1 /*
   2  * Copyright (c) 2020 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 "kernels/AveragePool2D.h"
  18
  19 #include "kernels/Utils.h"
  20
  21 #include <tensorflow/lite/kernels/internal/reference/pooling.h>
  22
  23 #include <stdexcept>
  24
  25 namespace luci_interpreter
  26 {
  27
  28 namespace kernels
  29 {
  30
  31 AveragePool2D::AveragePool2D(const Tensor *input, Tensor *output, const Pool2DParams &params)
  32     : KernelWithParams<Pool2DParams>({input}, {output}, params)
  33 {
  34 }
  35
  36 void AveragePool2D::configure()
  37 {
  38   if (input()->element_type() != output()->element_type())
  39   {
  40     throw std::runtime_error("Input Tensor and Output Tensor Type must be same");
  41   }
  42   if (input()->shape().num_dims() != 4)
  43   {
  44     throw std::runtime_error("Input Tensor Shape must be 4-D");
  45   }
  46   const Shape &input_shape = input()->shape();
  47
  48   const int32_t batches = input_shape.dim(0);
  49   const int32_t input_height = input_shape.dim(1);
  50   const int32_t input_width = input_shape.dim(2);
  51   const int32_t depth = input_shape.dim(3);
  52
  53   const int32_t output_height = computeOutputSize(_params.padding, input_height,
  54                                                   _params.filter_height, _params.stride_height);
  55   const int32_t output_width =
  56       computeOutputSize(_params.padding, input_width, _params.filter_width, _params.stride_width);
  57
  58   _padding_height =
  59       computePadding(_params.stride_height, 1, input_height, _params.filter_height, output_height);
  60   _padding_width =
  61       computePadding(_params.stride_width, 1, input_width, _params.filter_width, output_width);
  62   if (input()->element_type() == DataType::U8)
  63   {
  64     if (input()->scale() != output()->scale() || input()->zero_point() != output()->zero_point())
  65     {
  66       throw std::runtime_error(
  67           "Quantization param for Input and output must be same(scale or zero-point)");
  68     }
  69   }
  70   output()->resize({batches, output_height, output_width, depth});
  71 }
  72
  73 void AveragePool2D::execute() const
  74 {
  75   switch (input()->element_type())
  76   {
  77     case DataType::FLOAT32:
  78       evalFloat();
  79       break;
  80     case DataType::U8:
  81       evalQuantized();
  82       break;
  83     default:
  84       throw std::runtime_error("Unsupported type.");
  85   }
  86 }
  87
  88 void AveragePool2D::evalFloat() const
  89 {
  90   float activation_min{};
  91   float activation_max{};
  92   calculateActivationRange(_params.activation, &activation_min, &activation_max);
  93
  94   tflite::PoolParams params{};
  95   params.padding_values.height = _padding_height;
  96   params.padding_values.width = _padding_width;
  97   params.stride_height = _params.stride_height;
  98   params.stride_width = _params.stride_width;
  99   params.filter_height = _params.filter_height;
 100   params.filter_width = _params.filter_width;
 101   params.float_activation_min = activation_min;
 102   params.float_activation_max = activation_max;
 103
 104   tflite::reference_ops::AveragePool(params, getTensorShape(input()), getTensorData<float>(input()),
 105                                      getTensorShape(output()), getTensorData<float>(output()));
 106 }
 107
 108 void AveragePool2D::evalQuantized() const
 109 {
 110   int32_t activation_min{};
 111   int32_t activation_max{};
 112   calculateActivationRangeQuantized(_params.activation, output(), &activation_min, &activation_max);
 113
 114   tflite::PoolParams params{};
 115   params.padding_values.height = _padding_height;
 116   params.padding_values.width = _padding_width;
 117   params.stride_height = _params.stride_height;
 118   params.stride_width = _params.stride_width;
 119   params.filter_height = _params.filter_height;
 120   params.filter_width = _params.filter_width;
 121   params.quantized_activation_min = activation_min;
 122   params.quantized_activation_max = activation_max;
 123
 124   tflite::reference_ops::AveragePool(params, getTensorShape(input()),
 125                                      getTensorData<uint8_t>(input()), getTensorShape(output()),
 126                                      getTensorData<uint8_t>(output()));
 127 }
 128
 129 } // namespace kernels
 130 } // namespace luci_interpreter