examples/graph_lenet.cpp

   1 /*
   2  * Copyright (c) 2017 ARM Limited.
   3  *
   4  * SPDX-License-Identifier: MIT
   5  *
   6  * Permission is hereby granted, free of charge, to any person obtaining a copy
   7  * of this software and associated documentation files (the "Software"), to
   8  * deal in the Software without restriction, including without limitation the
   9  * rights to use, copy, modify, merge, publish, distribute, sublicense, and/or
  10  * sell copies of the Software, and to permit persons to whom the Software is
  11  * furnished to do so, subject to the following conditions:
  12  *
  13  * The above copyright notice and this permission notice shall be included in all
  14  * copies or substantial portions of the Software.
  15  *
  16  * THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
  17  * IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
  18  * FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
  19  * AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
  20  * LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
  21  * OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
  22  * SOFTWARE.
  23  */
  24 #ifndef ARM_COMPUTE_CL /* Needed by Utils.cpp to handle OpenCL exceptions properly */
  25 #error "This example needs to be built with -DARM_COMPUTE_CL"
  26 #endif /* ARM_COMPUTE_CL */
  27
  28 #include "arm_compute/core/Logger.h"
  29 #include "arm_compute/graph/Graph.h"
  30 #include "arm_compute/graph/Nodes.h"
  31 #include "arm_compute/runtime/CL/CLScheduler.h"
  32 #include "arm_compute/runtime/Scheduler.h"
  33 #include "support/ToolchainSupport.h"
  34 #include "utils/GraphUtils.h"
  35 #include "utils/Utils.h"
  36
  37 #include <cstdlib>
  38 #include <iostream>
  39 #include <memory>
  40
  41 using namespace arm_compute::graph;
  42 using namespace arm_compute::graph_utils;
  43
  44 /** Generates appropriate accessor according to the specified path
  45  *
  46  * @note If path is empty will generate a DummyAccessor else will generate a NumPyBinLoader
  47  *
  48  * @param path       Path to the data files
  49  * @param data_file  Relative path to the data files from path
  50  *
  51  * @return An appropriate tensor accessor
  52  */
  53 std::unique_ptr<ITensorAccessor> get_accessor(const std::string &path, const std::string &data_file)
  54 {
  55     if(path.empty())
  56     {
  57         return arm_compute::support::cpp14::make_unique<DummyAccessor>();
  58     }
  59     else
  60     {
  61         return arm_compute::support::cpp14::make_unique<NumPyBinLoader>(path + data_file);
  62     }
  63 }
  64
  65 /** Example demonstrating how to implement LeNet's network using the Compute Library's graph API
  66  *
  67  * @param[in] argc Number of arguments
  68  * @param[in] argv Arguments ( [optional] Path to the weights folder, [optional] batches )
  69  */
  70 void main_graph_lenet(int argc, const char **argv)
  71 {
  72     std::string  data_path;   /** Path to the trainable data */
  73     unsigned int batches = 4; /** Number of batches */
  74
  75     // Parse arguments
  76     if(argc < 2)
  77     {
  78         // Print help
  79         std::cout << "Usage: " << argv[0] << " [path_to_data] [batches]\n\n";
  80         std::cout << "No data folder provided: using random values\n\n";
  81     }
  82     else if(argc == 2)
  83     {
  84         //Do something with argv[1]
  85         data_path = argv[1];
  86         std::cout << "Usage: " << argv[0] << " [path_to_data] [batches]\n\n";
  87         std::cout << "No number of batches where specified, thus will use the default : " << batches << "\n\n";
  88     }
  89     else
  90     {
  91         //Do something with argv[1] and argv[2]
  92         data_path = argv[1];
  93         batches   = std::strtol(argv[2], nullptr, 0);
  94     }
  95
  96     // Check if OpenCL is available and initialize the scheduler
  97     TargetHint hint = TargetHint::NEON;
  98     if(arm_compute::opencl_is_available())
  99     {
 100         arm_compute::CLScheduler::get().default_init();
 101         hint = TargetHint::OPENCL;
 102     }
 103
 104     Graph graph;
 105     arm_compute::Logger::get().set_logger(std::cout, arm_compute::LoggerVerbosity::INFO);
 106
 107     //conv1 << pool1 << conv2 << pool2 << fc1 << act1 << fc2 << smx
 108     graph << hint
 109           << Tensor(TensorInfo(TensorShape(28U, 28U, 1U, batches), 1, DataType::F32), DummyAccessor())
 110           << ConvolutionLayer(
 111               5U, 5U, 20U,
 112               get_accessor(data_path, "/cnn_data/lenet_model/conv1_w.npy"),
 113               get_accessor(data_path, "/cnn_data/lenet_model/conv1_b.npy"),
 114               PadStrideInfo(1, 1, 0, 0))
 115           << PoolingLayer(PoolingLayerInfo(PoolingType::MAX, 2, PadStrideInfo(2, 2, 0, 0)))
 116           << ConvolutionLayer(
 117               5U, 5U, 50U,
 118               get_accessor(data_path, "/cnn_data/lenet_model/conv2_w.npy"),
 119               get_accessor(data_path, "/cnn_data/lenet_model/conv2_b.npy"),
 120               PadStrideInfo(1, 1, 0, 0))
 121           << PoolingLayer(PoolingLayerInfo(PoolingType::MAX, 2, PadStrideInfo(2, 2, 0, 0)))
 122           << FullyConnectedLayer(
 123               500U,
 124               get_accessor(data_path, "/cnn_data/lenet_model/ip1_w.npy"),
 125               get_accessor(data_path, "/cnn_data/lenet_model/ip1_b.npy"))
 126           << ActivationLayer(ActivationLayerInfo(ActivationLayerInfo::ActivationFunction::RELU))
 127           << FullyConnectedLayer(
 128               10U,
 129               get_accessor(data_path, "/cnn_data/lenet_model/ip2_w.npy"),
 130               get_accessor(data_path, "/cnn_data/lenet_model/ip2_b.npy"))
 131           << SoftmaxLayer()
 132           << Tensor(DummyAccessor());
 133
 134     graph.run();
 135 }
 136
 137 /** Main program for LeNet
 138  *
 139  * @param[in] argc Number of arguments
 140  * @param[in] argv Arguments ( [optional] Path to the weights folder, [optional] batches )
 141  */
 142 int main(int argc, const char **argv)
 143 {
 144     return arm_compute::utils::run_example(argc, argv, main_graph_lenet);
 145 }