compute/ARMComputeEx/src/core/NEON/kernels/NEMultiplyScaleFactorKernel.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 /*
  18  * Copyright (c) 2017-2019 ARM Limited.
  19  *
  20  * SPDX-License-Identifier: MIT
  21  *
  22  * Permission is hereby granted, free of charge, to any person obtaining a copy
  23  * of this software and associated documentation files (the "Software"), to
  24  * deal in the Software without restriction, including without limitation the
  25  * rights to use, copy, modify, merge, publish, distribute, sublicense, and/or
  26  * sell copies of the Software, and to permit persons to whom the Software is
  27  * furnished to do so, subject to the following conditions:
  28  *
  29  * The above copyright notice and this permission notice shall be included in all
  30  * copies or substantial portions of the Software.
  31  *
  32  * THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
  33  * IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
  34  * FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
  35  * AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
  36  * LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
  37  * OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
  38  * SOFTWARE.
  39  */
  40
  41 #include "arm_compute/core/NEON/kernels/NEMuliplyScaleFactorKernel.h"
  42
  43 #include "arm_compute/core/Error.h"
  44 #include "arm_compute/core/Helpers.h"
  45 #include "arm_compute/core/NEON/NEAsymm.h"
  46 #include "arm_compute/core/NEON/wrapper/wrapper.h"
  47 #include "arm_compute/core/Utils.h"
  48 #include "arm_compute/core/Validate.h"
  49 #include "arm_compute/core/Window.h"
  50
  51 #include "arm_compute/core/CPP/Validate.h"
  52
  53 #include <arm_neon.h>
  54
  55 using namespace arm_compute;
  56
  57 namespace
  58 {
  59 Status validate_arguments(const ITensorInfo *input, const ITensorInfo *scale_factor,
  60                           const ITensorInfo *output)
  61 {
  62   ARM_COMPUTE_RETURN_ERROR_ON_NULLPTR(input, output);
  63   ARM_COMPUTE_RETURN_ERROR_ON(input->num_dimensions() > 2);
  64   ARM_COMPUTE_RETURN_ERROR_ON_DATA_TYPE_CHANNEL_NOT_IN(input, 1, DataType::S32);
  65   ARM_COMPUTE_RETURN_ERROR_ON_CPU_F16_UNSUPPORTED(output);
  66   ARM_COMPUTE_RETURN_ERROR_ON(output->tensor_shape().total_size() == 0);
  67   ARM_COMPUTE_RETURN_ERROR_ON_DATA_TYPE_CHANNEL_NOT_IN(output, 1, DataType::F16, DataType::F32);
  68   ARM_COMPUTE_RETURN_ERROR_ON_MISMATCHING_SHAPES(input, output);
  69   ARM_COMPUTE_RETURN_ERROR_ON_DATA_TYPE_CHANNEL_NOT_IN(scale_factor, 1, DataType::F16,
  70                                                        DataType::F32);
  71   ARM_COMPUTE_RETURN_ERROR_ON(scale_factor->tensor_shape().total_size() == 0);
  72   ARM_COMPUTE_RETURN_ERROR_ON(scale_factor->num_dimensions() > 1);
  73   ARM_COMPUTE_RETURN_ERROR_ON(scale_factor->dimension(0) != input->dimension(1));
  74
  75   // Checks performed when output is configured
  76   if ((output->total_size() != 0))
  77   {
  78     ARM_COMPUTE_RETURN_ERROR_ON_MISMATCHING_SHAPES(input, output);
  79   }
  80
  81   return Status{};
  82 }
  83
  84 inline int32x4x4_t load_value(const int32_t *input_ptr)
  85 {
  86   return {wrapper::vloadq(input_ptr), wrapper::vloadq(input_ptr + 4),
  87           wrapper::vloadq(input_ptr + 8), wrapper::vloadq(input_ptr + 12)};
  88 }
  89
  90 #ifdef __ARM_FEATURE_FP16_VECTOR_ARITHMETIC
  91 inline const float32x4x4_t load_value(const float16_t *input_ptr)
  92 {
  93   return {vcvt_f32_f16(wrapper::vload(input_ptr)), vcvt_f32_f16(wrapper::vload(input_ptr + 4)),
  94           vcvt_f32_f16(wrapper::vload(input_ptr + 8)),
  95           vcvt_f32_f16(wrapper::vload(input_ptr + 12))};
  96 }
  97
  98 #endif // __ARM_FEATURE_FP16_VECTOR_ARITHMETIC
  99
 100 template <typename T> inline void store_result(T *ptr, const float32x4x4_t &v)
 101 {
 102   ARM_COMPUTE_UNUSED(ptr, v);
 103 }
 104
 105 template <> inline void store_result<float>(float *ptr, const float32x4x4_t &v)
 106 {
 107   wrapper::vstore(ptr, v.val[0]);
 108   wrapper::vstore(ptr + 4, v.val[1]);
 109   wrapper::vstore(ptr + 8, v.val[2]);
 110   wrapper::vstore(ptr + 12, v.val[3]);
 111 }
 112
 113 #ifdef __ARM_FEATURE_FP16_VECTOR_ARITHMETIC
 114 template <> inline void store_result<float16_t>(float16_t *ptr, const float32x4x4_t &v)
 115 {
 116   wrapper::vstore(ptr, vcombine_f16(vcvt_f16_f32(v.val[0]), vcvt_f16_f32(v.val[1])));
 117   wrapper::vstore(ptr + 8, vcombine_f16(vcvt_f16_f32(v.val[2]), vcvt_f16_f32(v.val[3])));
 118 }
 119 #endif /* __ARM_FEATURE_FP16_VECTOR_ARITHMETIC */
 120
 121 inline float32x4x4_t multiply_scale_vec(const int32x4x4_t &iv, float scale)
 122 {
 123   const float32x4_t vscale = vdupq_n_f32(scale);
 124
 125   const float32x4x4_t ret = {{
 126     vmulq_f32(vcvtq_f32_s32(iv.val[0]), vscale),
 127     vmulq_f32(vcvtq_f32_s32(iv.val[1]), vscale),
 128     vmulq_f32(vcvtq_f32_s32(iv.val[2]), vscale),
 129     vmulq_f32(vcvtq_f32_s32(iv.val[3]), vscale),
 130   }};
 131   return ret;
 132 }
 133 } // namespace
 134
 135 NEMultiplyScaleFactorKernel::NEMultiplyScaleFactorKernel()
 136   : _input(nullptr), _scale_factor(nullptr), _output(nullptr), _multiplier(1.f)
 137 {
 138 }
 139
 140 void NEMultiplyScaleFactorKernel::configure(const ITensor *input, const ITensor *scale_factor,
 141                                             ITensor *output, float multiplier)
 142 {
 143   ARM_COMPUTE_ERROR_ON_NULLPTR(input, output);
 144   ARM_COMPUTE_ERROR_THROW_ON(
 145     validate_arguments(input->info(), scale_factor->info(), output->info()));
 146
 147   _input = input;
 148   _scale_factor = scale_factor;
 149   _output = output;
 150   _multiplier = multiplier;
 151
 152   // Configure kernel window
 153   Window win_config = calculate_max_window(*input->info(), Steps());
 154
 155   Coordinates coord;
 156   coord.set_num_dimensions(output->info()->num_dimensions());
 157   output->info()->set_valid_region(ValidRegion(coord, output->info()->tensor_shape()));
 158
 159   INEKernel::configure(win_config);
 160 }
 161
 162 Status NEMultiplyScaleFactorKernel::validate(const ITensorInfo *input,
 163                                              const ITensorInfo *scale_factor,
 164                                              const ITensorInfo *output, float multiplier)
 165 {
 166   ARM_COMPUTE_UNUSED(multiplier);
 167   ARM_COMPUTE_RETURN_ON_ERROR(validate_arguments(input, scale_factor, output));
 168
 169   return Status{};
 170 }
 171
 172 template <typename T> void NEMultiplyScaleFactorKernel::multiply(const Window &window)
 173 {
 174   constexpr auto window_step = 16;
 175   const auto window_start_x = static_cast<int>(window.x().start());
 176   const auto window_end_x = static_cast<int>(window.x().end());
 177
 178   // Collapse window and reset first dimension to handle tail calculations manually
 179   // Support Only 2D input
 180   Window win_collapsed = window.collapse_if_possible(window, Window::DimZ);
 181   Iterator input(_input, win_collapsed);
 182   Iterator output(_output, win_collapsed);
 183   win_collapsed.set(Window::DimX, Window::Dimension(0, 1, 1));
 184   execute_window_loop(
 185     win_collapsed,
 186     [&](const Coordinates &id) {
 187       auto scale = *reinterpret_cast<T *>(_scale_factor->ptr_to_element({id.y()}));
 188       scale *= _multiplier;
 189
 190       const auto input_ptr = reinterpret_cast<const int32_t *>(input.ptr());
 191       auto output_ptr = reinterpret_cast<T *>(output.ptr());
 192       int x = window_start_x;
 193       for (; x <= (window_end_x - window_step); x += window_step)
 194       {
 195         store_result<float>(&output_ptr[x], multiply_scale_vec(load_value(&input_ptr[x]), scale));
 196       }
 197       // Compute left-over elements
 198       for (; x < window_end_x; ++x)
 199       {
 200         output_ptr[x] = input_ptr[x] * scale;
 201       }
 202     },
 203     input, output);
 204 }
 205
 206 void NEMultiplyScaleFactorKernel::run(const Window &window, const ThreadInfo &info)
 207 {
 208   ARM_COMPUTE_UNUSED(info);
 209   ARM_COMPUTE_ERROR_ON_UNCONFIGURED_KERNEL(this);
 210   ARM_COMPUTE_ERROR_ON_INVALID_SUBWINDOW(INEKernel::window(), window);
 211
 212   switch (_output->info()->data_type())
 213   {
 214     case DataType::F32:
 215       NEMultiplyScaleFactorKernel::multiply<float>(window);
 216       break;
 217 #ifdef __ARM_FEATURE_FP16_VECTOR_ARITHMETIC
 218     case DataType::F16:
 219       NEMultiplyScaleFactorKernel::multiply<float16_t>(window);
 220       break;
 221 #endif // __ARM_FEATURE_FP16_VECTOR_ARITHMETIC
 222     default:
 223       ARM_COMPUTE_ERROR("Unsupported data type.");
 224   }
 225 }