compiler/luci-interpreter/src/kernels/DepthwiseConv2D.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/DepthwiseConv2D.h"
  18
  19 #include "kernels/Utils.h"
  20
  21 #include <tensorflow/lite/kernels/internal/reference/depthwiseconv_float.h>
  22 #include <tensorflow/lite/kernels/internal/reference/depthwiseconv_uint8.h>
  23
  24 #include <stdexcept>
  25
  26 namespace luci_interpreter
  27 {
  28 namespace kernels
  29 {
  30
  31 DepthwiseConv2D::DepthwiseConv2D(const Tensor *input, const Tensor *filter, const Tensor *bias,
  32                                  Tensor *output, const DepthwiseConv2DParams &params)
  33     : KernelWithParams<DepthwiseConv2DParams>({input, filter, bias}, {output}, params)
  34 {
  35 }
  36
  37 void DepthwiseConv2D::configure()
  38 {
  39   // TensorFlow Lite (as of v2.2.0) supports the following combinations of types:
  40   //     | input filter bias  output |
  41   // ----+---------------------------+
  42   // (1) | float float  float float  |
  43   // (2) | float int8   float float  | hybrid
  44   // (3) | uint8 uint8  int32 uint8  | quantized
  45   // (4) | int8  int8   int32 int8   | quantized per channel
  46   // (5) | int16 int8   int64 int16  | quantized per channel 16x8
  47   //
  48   // We only support (1) and (3) for now, and additionally the following:
  49   //     | input filter bias  output |
  50   // ----+---------------------------+
  51   // (5) | int16 int16  int64 int16  |
  52   //
  53   if (input()->element_type() == DataType::FLOAT32 && filter()->element_type() == DataType::FLOAT32)
  54   {
  55     LUCI_INTERPRETER_CHECK(bias() == nullptr || bias()->element_type() == DataType::FLOAT32);
  56   }
  57   else if (input()->element_type() == DataType::U8 && filter()->element_type() == DataType::U8)
  58   {
  59     LUCI_INTERPRETER_CHECK(bias() == nullptr || bias()->element_type() == DataType::S32);
  60   }
  61   else if (input()->element_type() == DataType::S16 && filter()->element_type() == DataType::S16)
  62   {
  63     LUCI_INTERPRETER_CHECK(bias() == nullptr || bias()->element_type() == DataType::S64);
  64   }
  65   else
  66   {
  67     throw std::runtime_error("Unsupported type.");
  68   }
  69   LUCI_INTERPRETER_CHECK(output()->element_type() == input()->element_type());
  70
  71   const Shape &input_shape = input()->shape();
  72   const Shape &filter_shape = filter()->shape();
  73   LUCI_INTERPRETER_CHECK(input_shape.num_dims() == 4 && filter_shape.num_dims() == 4);
  74
  75   const int32_t batches = input_shape.dim(0);
  76   const int32_t input_height = input_shape.dim(1);
  77   const int32_t input_width = input_shape.dim(2);
  78   // Filter format: [1, H, W, O].
  79   LUCI_INTERPRETER_CHECK(filter_shape.dim(0) == 1);
  80   const int32_t filter_height = filter_shape.dim(1);
  81   const int32_t filter_width = filter_shape.dim(2);
  82   const int32_t channels_out = filter_shape.dim(3);
  83
  84   LUCI_INTERPRETER_CHECK(bias() == nullptr || (bias()->shape().num_dims() == 1 &&
  85                                                bias()->shape().dim(0) == channels_out));
  86
  87   const int32_t output_height =
  88       computeOutputSize(_params.padding, input_height, filter_height, _params.stride_height,
  89                         _params.dilation_height_factor);
  90   const int32_t output_width =
  91       computeOutputSize(_params.padding, input_width, filter_width, _params.stride_width,
  92                         _params.dilation_width_factor);
  93
  94   _padding_height = computePadding(_params.stride_height, _params.dilation_height_factor,
  95                                    input_height, filter_height, output_height);
  96   _padding_width = computePadding(_params.stride_width, _params.dilation_width_factor, input_width,
  97                                   filter_width, output_width);
  98
  99   output()->resize({batches, output_height, output_width, channels_out});
 100 }
 101
 102 void DepthwiseConv2D::execute() const
 103 {
 104   switch (input()->element_type())
 105   {
 106     case DataType::FLOAT32:
 107       if (filter()->element_type() == DataType::FLOAT32)
 108       {
 109         evalFloat();
 110         break;
 111       }
 112       throw std::runtime_error("Unsupported type.");
 113     case DataType::U8:
 114       evalQuantized();
 115       break;
 116     case DataType::S16:
 117       evalQuantizedS16();
 118       break;
 119     default:
 120       throw std::runtime_error("Unsupported type.");
 121   }
 122 }
 123
 124 void DepthwiseConv2D::evalFloat() const
 125 {
 126   float activation_min{};
 127   float activation_max{};
 128   calculateActivationRange(_params.activation, &activation_min, &activation_max);
 129
 130   tflite::DepthwiseParams params{};
 131   params.padding_values.height = _padding_height;
 132   params.padding_values.width = _padding_width;
 133   params.stride_height = _params.stride_height;
 134   params.stride_width = _params.stride_width;
 135   params.dilation_height_factor = _params.dilation_height_factor;
 136   params.dilation_width_factor = _params.dilation_width_factor;
 137   params.depth_multiplier = _params.depth_multiplier;
 138   params.float_activation_min = activation_min;
 139   params.float_activation_max = activation_max;
 140
 141   tflite::reference_ops::DepthwiseConv(
 142       params, getTensorShape(input()), getTensorData<float>(input()), getTensorShape(filter()),
 143       getTensorData<float>(filter()), getTensorShape(bias()), getTensorData<float>(bias()),
 144       getTensorShape(output()), getTensorData<float>(output()));
 145 }
 146
 147 void DepthwiseConv2D::evalQuantized() const
 148 {
 149   const auto input_scale = static_cast<double>(input()->scale());
 150   const auto filter_scale = static_cast<double>(filter()->scale());
 151   const auto output_scale = static_cast<double>(output()->scale());
 152
 153   const double real_multiplier = input_scale * filter_scale / output_scale;
 154   int32_t output_multiplier{};
 155   int output_shift{};
 156   quantizeMultiplier(real_multiplier, &output_multiplier, &output_shift);
 157
 158   int32_t activation_min{};
 159   int32_t activation_max{};
 160   calculateActivationRangeQuantized(_params.activation, output(), &activation_min, &activation_max);
 161
 162   tflite::DepthwiseParams params{};
 163   params.padding_values.height = _padding_height;
 164   params.padding_values.width = _padding_width;
 165   params.stride_height = _params.stride_height;
 166   params.stride_width = _params.stride_width;
 167   params.dilation_height_factor = _params.dilation_height_factor;
 168   params.dilation_width_factor = _params.dilation_width_factor;
 169   params.depth_multiplier = _params.depth_multiplier;
 170   // The kernel expects input and filter zero points to be negated.
 171   params.input_offset = -input()->zero_point();    // Note the '-'.
 172   params.weights_offset = -filter()->zero_point(); // Note the '-'.
 173   params.output_offset = output()->zero_point();
 174   params.output_multiplier = output_multiplier;
 175   params.output_shift = output_shift;
 176   params.quantized_activation_min = activation_min;
 177   params.quantized_activation_max = activation_max;
 178
 179   tflite::reference_ops::DepthwiseConv(
 180       params, getTensorShape(input()), getTensorData<uint8_t>(input()), getTensorShape(filter()),
 181       getTensorData<uint8_t>(filter()), getTensorShape(bias()), getTensorData<int32_t>(bias()),
 182       getTensorShape(output()), getTensorData<uint8_t>(output()));
 183 }
 184
 185 void DepthwiseConv2D::evalQuantizedS16() const
 186 {
 187   const auto *input_data = getTensorData<int16_t>(input());
 188   const auto *filter_data = getTensorData<int16_t>(filter());
 189   const auto *bias_data = getTensorData<int64_t>(bias());
 190   auto *output_data = getTensorData<int16_t>(output());
 191
 192   const Shape &input_shape = input()->shape();
 193   const Shape &filter_shape = filter()->shape();
 194   const Shape &output_shape = output()->shape();
 195
 196   const int32_t batches = input_shape.dim(0);
 197   const int32_t input_height = input_shape.dim(1);
 198   const int32_t input_width = input_shape.dim(2);
 199   const int32_t input_depth = input_shape.dim(3);
 200   const int32_t filter_height = filter_shape.dim(1);
 201   const int32_t filter_width = filter_shape.dim(2);
 202   const int32_t output_height = output_shape.dim(1);
 203   const int32_t output_width = output_shape.dim(2);
 204
 205   const int32_t stride_height = _params.stride_height;
 206   const int32_t stride_width = _params.stride_width;
 207   const int32_t dilation_height_factor = _params.dilation_height_factor;
 208   const int32_t dilation_width_factor = _params.dilation_width_factor;
 209   const int32_t depth_multiplier = _params.depth_multiplier;
 210
 211   const std::vector<double> effective_output_scales =
 212       getQuantizedConvolutionMultiplers(input()->scale(), filter()->scales(), output()->scale());
 213
 214   std::vector<ChannelQuantMultipliers> quant_multipliers_raw =
 215       quantizeMultipliers(effective_output_scales);
 216
 217   BroadcastableWrapper<ChannelQuantMultipliers> quant_multipliers(quant_multipliers_raw);
 218
 219   int32_t activation_min{};
 220   int32_t activation_max{};
 221   calculateActivationRangeQuantized(_params.activation, output(), &activation_min, &activation_max);
 222
 223   for (int32_t batch = 0; batch < batches; ++batch)
 224   {
 225     for (int32_t out_y = 0; out_y < output_height; ++out_y)
 226     {
 227       for (int32_t out_x = 0; out_x < output_width; ++out_x)
 228       {
 229         for (int32_t in_c = 0; in_c < input_depth; ++in_c)
 230         {
 231           for (int32_t m = 0; m < depth_multiplier; ++m)
 232           {
 233             const int32_t out_c = m + in_c * depth_multiplier;
 234             const int32_t in_y_origin = out_y * stride_height - _padding_height;
 235             const int32_t in_x_origin = out_x * stride_width - _padding_width;
 236             int64_t acc = 0;
 237             for (int32_t filter_y = 0; filter_y < filter_height; ++filter_y)
 238             {
 239               for (int32_t filter_x = 0; filter_x < filter_width; ++filter_x)
 240               {
 241                 const int32_t in_y = in_y_origin + dilation_height_factor * filter_y;
 242                 const int32_t in_x = in_x_origin + dilation_width_factor * filter_x;
 243                 if ((in_y >= 0 && in_y < input_height) && (in_x >= 0 && in_x < input_width))
 244                 {
 245                   const int16_t input_val =
 246                       input_data[calcOffset(input_shape, batch, in_y, in_x, in_c)];
 247                   const int16_t filter_val =
 248                       filter_data[calcOffset(filter_shape, 0, filter_y, filter_x, out_c)];
 249                   acc += static_cast<int64_t>(input_val) * static_cast<int64_t>(filter_val);
 250                 }
 251               }
 252             }
 253             if (bias_data != nullptr)
 254             {
 255               acc += bias_data[out_c];
 256             }
 257
 258             int32_t output_multiplier = quant_multipliers[out_c].multiplier;
 259             int output_shift = quant_multipliers[out_c].shift;
 260             int32_t scaled_acc =
 261                 tflite::MultiplyByQuantizedMultiplier(acc, output_multiplier, output_shift);
 262
 263             scaled_acc = std::max(scaled_acc, activation_min);
 264             scaled_acc = std::min(scaled_acc, activation_max);
 265
 266             output_data[calcOffset(output_shape, batch, out_y, out_x, out_c)] = scaled_acc;
 267           }
 268         }
 269       }
 270     }
 271   }
 272 }
 273
 274 } // namespace kernels
 275 } // namespace luci_interpreter