compiler/luci-interpreter/src/kernels/Tanh.test.cpp

   1 /*
   2  * Copyright (c) 2020 Samsung Electronics Co., Ltd. All Rights Reserved
   3  * Copyright 2017 The TensorFlow Authors. All Rights Reserved.
   4  *
   5  * Licensed under the Apache License, Version 2.0 (the "License");
   6  * you may not use this file except in compliance with the License.
   7  * You may obtain a copy of the License at
   8  *
   9  *    http://www.apache.org/licenses/LICENSE-2.0
  10  *
  11  * Unless required by applicable law or agreed to in writing, software
  12  * distributed under the License is distributed on an "AS IS" BASIS,
  13  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  14  * See the License for the specific language governing permissions and
  15  * limitations under the License.
  16  */
  17
  18 #include "kernels/Tanh.h"
  19 #include "kernels/TestUtils.h"
  20
  21 namespace luci_interpreter
  22 {
  23 namespace kernels
  24 {
  25 namespace
  26 {
  27
  28 using namespace testing;
  29
  30 TEST(TanhTest, Float)
  31 {
  32   Shape input_shape{1, 2, 4, 1};
  33   std::vector<float> input_data{
  34       0, -6, 2,  4, //
  35       3, -2, 10, 1, //
  36   };
  37   Tensor input_tensor = makeInputTensor<DataType::FLOAT32>(input_shape, input_data);
  38   Tensor output_tensor = makeOutputTensor(DataType::FLOAT32);
  39
  40   Tanh kernel(&input_tensor, &output_tensor);
  41   kernel.configure();
  42   kernel.execute();
  43
  44   std::vector<float> ref_output_data{
  45       0,          -0.9999877, 0.9640275, 0.999329,  //
  46       0.99505475, -0.9640275, 1,         0.7615941, //
  47   };
  48   EXPECT_THAT(extractTensorData<float>(output_tensor),
  49               ElementsAreArray(ArrayFloatNear(ref_output_data)));
  50 }
  51
  52 TEST(TanhTest, Uint8)
  53 {
  54   float kMin = -1;
  55   float kMax = 127.f / 128.f;
  56   float kTanhTolerance = 2 * (1. / 256);
  57   std::pair<float, int32_t> input_quant_param = quantizationParams<uint8_t>(8 * kMin, 8 * kMax);
  58   std::pair<float, int32_t> output_quant_param = quantizationParams<uint8_t>(kMin, kMax);
  59   std::vector<float> input_data{
  60       0,  -6, 2, 4, //
  61       -4, -2, 8, 1, //
  62       0,  -6, 2, 4, //
  63       -4, -2, 8, 1, //
  64       0,  -6, 2, 4, //
  65       -4, -2, 8, 1, //
  66       0,  -6, 2, 4, //
  67       -4, -2, 8, 1, //
  68       0,  -6, 2, 4, //
  69       -4, -2, 8, 1, //
  70       0,  -6, 2, 4, //
  71       -4, -2, 8, 1, //
  72   };
  73   Tensor input_tensor{
  74       DataType::U8, {2, 6, 4, 1}, {{input_quant_param.first}, {input_quant_param.second}}, ""};
  75   Tensor output_tensor =
  76       makeOutputTensor(DataType::U8, output_quant_param.first, output_quant_param.second);
  77   std::vector<uint8_t> quantize_input =
  78       quantize<uint8_t>(input_data, input_quant_param.first, input_quant_param.second);
  79   input_tensor.writeData(quantize_input.data(), quantize_input.size() * sizeof(uint8_t));
  80
  81   Tanh kernel(&input_tensor, &output_tensor);
  82   kernel.configure();
  83   kernel.execute();
  84
  85   std::vector<float> ref_output_data{
  86       0.0,       -0.999987, 0.964027, 0.999329, //
  87       -0.999329, -0.96402,  0.99999,  0.76159,  //
  88       0.0,       -0.999987, 0.964027, 0.999329, //
  89       -0.999329, -0.96402,  0.99999,  0.76159,  //
  90       0.0,       -0.999987, 0.964027, 0.999329, //
  91       -0.999329, -0.96402,  0.99999,  0.76159,  //
  92       0.0,       -0.999987, 0.964027, 0.999329, //
  93       -0.999329, -0.96402,  0.99999,  0.76159,  //
  94       0.0,       -0.999987, 0.964027, 0.999329, //
  95       -0.999329, -0.96402,  0.99999,  0.76159,  //
  96       0.0,       -0.999987, 0.964027, 0.999329, //
  97       -0.999329, -0.96402,  0.99999,  0.76159,  //
  98   };
  99   std::vector<int32_t> ref_output_shape{2, 6, 4, 1};
 100   EXPECT_THAT(dequantize<uint8_t>(extractTensorData<uint8_t>(output_tensor), output_tensor.scale(),
 101                                   output_tensor.zero_point()),
 102               ElementsAreArray(ArrayFloatNear(ref_output_data, kTanhTolerance)));
 103   EXPECT_THAT(extractTensorShape(output_tensor), ::testing::ElementsAreArray(ref_output_shape));
 104 }
 105
 106 } // namespace
 107 } // namespace kernels
 108 } // namespace luci_interpreter