compute/cker/include/cker/PortableTensorUtils.h

   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 #ifndef __NNFW_CKER_PORTABLE_TENSOR_UTILS_H__
  19 #define __NNFW_CKER_PORTABLE_TENSOR_UTILS_H__
  20
  21 #include "cker/Types.h"
  22 #include "cker/neon/neon_check.h"
  23
  24 #include <cstring>
  25 #include <cmath>
  26
  27 namespace nnfw
  28 {
  29 namespace cker
  30 {
  31
  32 class ActivationFunctor
  33 {
  34 public:
  35   explicit ActivationFunctor(FusedActivationFunctionType act) : act_(act) {}
  36
  37   float operator()(float a) const
  38   {
  39     switch (act_)
  40     {
  41       case FusedActivationFunctionType::kNone:
  42         return a;
  43       case FusedActivationFunctionType::kRelu:
  44         return a < 0.f ? 0.f : a;
  45       case FusedActivationFunctionType::kRelu6:
  46         return std::max(0.f, std::min(a, 6.f));
  47       default:
  48         // TODO(aselle): More informative fatal error!
  49         exit(1);
  50     }
  51   }
  52
  53 private:
  54   FusedActivationFunctionType act_;
  55 };
  56
  57 void PortableVectorBatchVectorAssign(const float *vector, int v_size, int n_batch,
  58                                      float *batch_vector)
  59 {
  60   for (int b = 0; b < n_batch; b++)
  61   {
  62     memcpy(batch_vector + b * v_size, vector, v_size * sizeof(float));
  63   }
  64 }
  65
  66 bool PortableIsZeroVector(const float *vector, int v_size)
  67 {
  68   for (int i = 0; i < v_size; ++i)
  69   {
  70     if (*vector++ != 0.0f)
  71       return false;
  72   }
  73   return true;
  74 }
  75
  76 void PortableApplyActivationToVector(const float *vector, int v_size,
  77                                      FusedActivationFunctionType activation, float *result)
  78 {
  79   auto activation_func = ActivationFunctor(activation);
  80   for (int v = 0; v < v_size; v++)
  81   {
  82     *result++ = (activation_func)(*vector++);
  83   }
  84 }
  85
  86 void PortableSymmetricQuantizeFloats(const float *values, const int size, int8_t *quantized_values,
  87                                      float *min_value, float *max_value, float *scaling_factor)
  88 {
  89   auto minmax = std::minmax_element(values, values + size);
  90   *min_value = *minmax.first;
  91   *max_value = *minmax.second;
  92   const int kScale = 127;
  93   const float range = std::max(std::abs(*min_value), std::abs(*max_value));
  94   if (range == 0)
  95   {
  96     memset(quantized_values, 0, size * sizeof(int8_t));
  97     *scaling_factor = 1;
  98     return;
  99   }
 100   *scaling_factor = range / kScale;
 101   const float scaling_factor_inv = kScale / range;
 102   for (int i = 0; i < size; ++i)
 103   {
 104     const int32_t quantized_value =
 105         static_cast<int32_t>(std::round(values[i] * scaling_factor_inv));
 106     // Clamp: just in case some odd numeric offset.
 107     quantized_values[i] = std::min(kScale, std::max(-kScale, quantized_value));
 108   }
 109 }
 110
 111 void PortableMatrixBatchVectorMultiplyAccumulate(const int8_t *__restrict__ matrix,
 112                                                  const int m_rows, const int m_cols,
 113                                                  const int8_t *__restrict__ vectors,
 114                                                  const float *scaling_factors, int n_batch,
 115                                                  float *__restrict__ result, int result_stride)
 116 {
 117   int batch, row, col;
 118   for (batch = 0; batch < n_batch; ++batch, vectors += m_cols)
 119   {
 120     const float batch_scaling_factor = scaling_factors[batch];
 121     // Get the address of the first row.
 122     const int8_t *row_ptr = matrix;
 123     for (row = 0; row < m_rows; ++row, result += result_stride)
 124     {
 125       // Initialize the dot product sum for the row to 0.
 126       int32_t dotprod = 0;
 127 #if defined(__GNUC__)
 128       // Prefetch the row to cache.
 129       __builtin_prefetch(row_ptr, 0 /* prefetch for read */, 3 /* temporal locality */);
 130 #endif
 131       for (col = 0; col < m_cols; ++col, ++row_ptr)
 132       {
 133         dotprod += (*row_ptr) * (vectors[col]);
 134       } // for col
 135       *result += (dotprod * batch_scaling_factor);
 136     } // for row
 137   }   // for batch
 138 }
 139
 140 void PortableMatrixBatchVectorMultiplyAccumulate(const int8_t *__restrict__ matrix,
 141                                                  const int m_rows, const int m_cols,
 142                                                  const int8_t *__restrict__ vector,
 143                                                  const float *scaling_factors, int n_batch,
 144                                                  int32_t *, float *__restrict__ result,
 145                                                  int result_stride)
 146 {
 147   PortableMatrixBatchVectorMultiplyAccumulate(matrix, m_rows, m_cols, vector, scaling_factors,
 148                                               n_batch, result, result_stride);
 149 }
 150
 151 void PortableMatrixBatchVectorMultiplyAccumulate(const float *matrix, int m_rows, int m_cols,
 152                                                  const float *vector, int n_batch, float *result,
 153                                                  int result_stride)
 154 {
 155   float *result_in_batch = result;
 156   for (int b = 0; b < n_batch; b++)
 157   {
 158     const float *matrix_ptr = matrix;
 159     for (int r = 0; r < m_rows; r++)
 160     {
 161       float dot_prod = 0.0f;
 162       const float *vector_in_batch = vector + b * m_cols;
 163       for (int c = 0; c < m_cols; c++)
 164       {
 165         dot_prod += *matrix_ptr++ * *vector_in_batch++;
 166       }
 167       *result_in_batch += dot_prod;
 168       result_in_batch += result_stride;
 169     }
 170   }
 171 }
 172
 173 void PortableZeroVector(float *vector, int v_size) { std::fill_n(vector, v_size, 0); }
 174
 175 } // namespace cker
 176 } // namespace nnfw
 177
 178 #endif // __NNFW_CKER_PORTABLE_TENSOR_UTILS_H__