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

   1 /*
   2  * Copyright (c) 2021 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/MirrorPad.h"
  18
  19 #include "kernels/Utils.h"
  20
  21 #include <tensorflow/lite/kernels/internal/reference/pad.h>
  22
  23 namespace luci_interpreter
  24 {
  25 namespace kernels
  26 {
  27
  28 MirrorPad::MirrorPad(const Tensor *input, const Tensor *paddings, Tensor *output,
  29                      const MirrorPadParams &params)
  30   : KernelWithParams<MirrorPadParams>({input, paddings}, {output}, params)
  31 {
  32 }
  33
  34 void MirrorPad::configure()
  35 {
  36   const Shape &input_shape = input()->shape();
  37   const int num_dims = input_shape.num_dims();
  38
  39   if (num_dims > 4)
  40     throw std::runtime_error("Unsupported number of dimensions.");
  41
  42   assert(output()->element_type() == input()->element_type());
  43   assert(paddings()->element_type() == DataType::S32);
  44   // Paddings shape should be [N, 2].
  45   assert(paddings()->shape().num_dims() == 2);
  46   assert(paddings()->shape().dim(0) == num_dims);
  47   assert(paddings()->shape().dim(1) == 2);
  48
  49   Shape output_shape(num_dims);
  50   const auto *paddings_data = getTensorData<int32_t>(paddings());
  51   for (int i = 0; i < num_dims; ++i)
  52   {
  53     const int32_t padding_before = paddings_data[i * 2];
  54     const int32_t padding_after = paddings_data[i * 2 + 1];
  55     assert(padding_before >= 0 && padding_after >= 0);
  56     output_shape.dim(i) = input_shape.dim(i) + padding_before + padding_after;
  57   }
  58
  59   output()->resize(output_shape);
  60 }
  61
  62 void MirrorPad::execute() const
  63 {
  64   const int num_dims = input()->shape().num_dims();
  65
  66   tflite::PadParams params{};
  67   params.left_padding_count = num_dims;
  68   params.right_padding_count = num_dims;
  69
  70   const auto *paddings_data = getTensorData<int32_t>(paddings());
  71   for (int i = num_dims - 1; i >= 0; --i)
  72   {
  73     params.left_padding[i] = paddings_data[i * 2];
  74     params.right_padding[i] = paddings_data[i * 2 + 1];
  75   }
  76
  77   switch (input()->element_type())
  78   {
  79     case DataType::FLOAT32:
  80     {
  81       const float pad_value = 0;
  82
  83       // NOTE: this implementation only obtains min-max values for quantization
  84       // TODO: calculate proper inference values
  85       tflite::reference_ops::Pad(params, getTensorShape(input()), getTensorData<float>(input()),
  86                                  &pad_value, getTensorShape(output()),
  87                                  getTensorData<float>(output()));
  88       break;
  89     }
  90     case DataType::U8:
  91     {
  92       // NOTE: this implementation only obtains min-max values for quantization
  93       // TODO: calculate proper inference values
  94       assert(output()->zero_point() >= std::numeric_limits<uint8_t>::min());
  95       assert(output()->zero_point() <= std::numeric_limits<uint8_t>::max());
  96       const auto pad_value = static_cast<uint8_t>(output()->zero_point());
  97       tflite::reference_ops::Pad(params, getTensorShape(input()), getTensorData<uint8_t>(input()),
  98                                  &pad_value, getTensorShape(output()),
  99                                  getTensorData<uint8_t>(output()));
 100       break;
 101     }
 102     default:
 103       throw std::runtime_error("Unsupported type.");
 104   }
 105 }
 106
 107 } // namespace kernels
 108 } // namespace luci_interpreter