compute/cker/include/cker/train/operation/Loss.h

   1 /*
   2  * Copyright (c) 2023 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 #ifndef __NNFW_CKER_TRAIN_OPERATION_LOSS_H__
  18 #define __NNFW_CKER_TRAIN_OPERATION_LOSS_H__
  19
  20 #include "cker/Shape.h"
  21 #include "cker/eigen/Utils.h"
  22
  23 namespace nnfw
  24 {
  25 namespace cker
  26 {
  27 namespace train
  28 {
  29
  30 template <typename T>
  31 inline void MSE(const Shape &y_pred_shape, const T *y_pred_data, const Shape &y_true_shape,
  32                 const T *y_true_data, const Shape &output_shape, T *output_data)
  33 {
  34   // TODO Consider Reduction
  35   if (output_shape != Shape{1})
  36     throw std::runtime_error("cker::MSE: output_shape != Shape{1}");
  37   if (y_pred_shape != y_true_shape)
  38     throw std::runtime_error("cker::MSE: y_pred_shape != y_true_shape");
  39
  40   const auto y_pred = MapAsMatrixWithLastDimAsRows(y_pred_data, y_pred_shape);
  41   const auto y_true = MapAsMatrixWithLastDimAsRows(y_true_data, y_true_shape);
  42
  43   double squared_sum = 0.0f;
  44   for (size_t c = 0; c < (size_t)y_pred.cols(); ++c)
  45   {
  46     for (size_t r = 0; r < (size_t)y_pred.rows(); ++r)
  47     {
  48       double error = y_pred.coeff(r, c) - y_true.coeff(r, c);
  49       squared_sum += (error * error);
  50     }
  51   }
  52
  53   auto size = y_pred.cols() * y_pred.rows();
  54   output_data[0] = (T)(squared_sum / size);
  55 }
  56
  57 template <typename T>
  58 inline void MSEGrad(const Shape &y_pred_shape, const T *y_pred_data, const Shape &y_true_shape,
  59                     const T *y_true_data, const Shape &grad_shape, T *grad_data)
  60 {
  61   if (y_pred_shape != y_true_shape)
  62     throw std::runtime_error("cker::MSEGrad: y_pred_shape != y_true_shape");
  63   if (y_pred_shape != grad_shape)
  64     throw std::runtime_error("cker::MSEGrad: y_pred_shape != grad_shape");
  65
  66   const int size = grad_shape.FlatSize();
  67   for (int i = 0; i < size; ++i)
  68   {
  69     grad_data[i] = static_cast<T>(-2 * (y_true_data[i] - y_pred_data[i]) / size);
  70   }
  71 }
  72
  73 } // namespace train
  74 } // namespace cker
  75 } // namespace nnfw
  76
  77 #endif // __NNFW_CKER_TRAIN_OPERATION_LOSS_H__