examples/graph_lenet.cpp

   1 /*
   2  * Copyright (c) 2017-2018 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 #include "arm_compute/graph/Graph.h"
  25 #include "arm_compute/graph/Nodes.h"
  26 #include "support/ToolchainSupport.h"
  27 #include "utils/GraphUtils.h"
  28 #include "utils/Utils.h"
  29
  30 #include <cstdlib>
  31
  32 using namespace arm_compute::utils;
  33 using namespace arm_compute::graph;
  34 using namespace arm_compute::graph_utils;
  35
  36 /** Example demonstrating how to implement LeNet's network using the Compute Library's graph API
  37  *
  38  * @param[in] argc Number of arguments
  39  * @param[in] argv Arguments ( [optional] Target (0 = NEON, 1 = OpenCL), [optional] Path to the weights folder, [optional] batches )
  40  */
  41 class GraphLenetExample : public Example
  42 {
  43 public:
  44     void do_setup(int argc, char **argv) override
  45     {
  46         std::string  data_path;   /** Path to the trainable data */
  47         unsigned int batches = 4; /** Number of batches */
  48
  49         // Set target. 0 (NEON), 1 (OpenCL), 2 (OpenCL with Tuner). By default it is NEON
  50         const int  int_target_hint = argc > 1 ? std::strtol(argv[1], nullptr, 10) : 0;
  51         TargetHint target_hint     = set_target_hint(int_target_hint);
  52
  53         // Parse arguments
  54         if(argc < 2)
  55         {
  56             // Print help
  57             std::cout << "Usage: " << argv[0] << " [target] [path_to_data] [batches]\n\n";
  58             std::cout << "No data folder provided: using random values\n\n";
  59         }
  60         else if(argc == 2)
  61         {
  62             std::cout << "Usage: " << argv[0] << " " << argv[1] << " [path_to_data] [batches]\n\n";
  63             std::cout << "No data folder provided: using random values\n\n";
  64         }
  65         else if(argc == 3)
  66         {
  67             //Do something with argv[1]
  68             data_path = argv[2];
  69             std::cout << "Usage: " << argv[0] << " [path_to_data] [batches]\n\n";
  70             std::cout << "No number of batches where specified, thus will use the default : " << batches << "\n\n";
  71         }
  72         else
  73         {
  74             //Do something with argv[1] and argv[2]
  75             data_path = argv[2];
  76             batches   = std::strtol(argv[3], nullptr, 0);
  77         }
  78
  79         //conv1 << pool1 << conv2 << pool2 << fc1 << act1 << fc2 << smx
  80         graph << target_hint
  81               << Tensor(TensorInfo(TensorShape(28U, 28U, 1U, batches), 1, DataType::F32), DummyAccessor())
  82               << ConvolutionLayer(
  83                   5U, 5U, 20U,
  84                   get_weights_accessor(data_path, "/cnn_data/lenet_model/conv1_w.npy"),
  85                   get_weights_accessor(data_path, "/cnn_data/lenet_model/conv1_b.npy"),
  86                   PadStrideInfo(1, 1, 0, 0))
  87               << PoolingLayer(PoolingLayerInfo(PoolingType::MAX, 2, PadStrideInfo(2, 2, 0, 0)))
  88               << ConvolutionLayer(
  89                   5U, 5U, 50U,
  90                   get_weights_accessor(data_path, "/cnn_data/lenet_model/conv2_w.npy"),
  91                   get_weights_accessor(data_path, "/cnn_data/lenet_model/conv2_b.npy"),
  92                   PadStrideInfo(1, 1, 0, 0))
  93               << PoolingLayer(PoolingLayerInfo(PoolingType::MAX, 2, PadStrideInfo(2, 2, 0, 0)))
  94               << FullyConnectedLayer(
  95                   500U,
  96                   get_weights_accessor(data_path, "/cnn_data/lenet_model/ip1_w.npy"),
  97                   get_weights_accessor(data_path, "/cnn_data/lenet_model/ip1_b.npy"))
  98               << ActivationLayer(ActivationLayerInfo(ActivationLayerInfo::ActivationFunction::RELU))
  99               << FullyConnectedLayer(
 100                   10U,
 101                   get_weights_accessor(data_path, "/cnn_data/lenet_model/ip2_w.npy"),
 102                   get_weights_accessor(data_path, "/cnn_data/lenet_model/ip2_b.npy"))
 103               << SoftmaxLayer()
 104               << Tensor(DummyAccessor(0));
 105
 106         // In order to enable the OpenCL tuner, graph_init() has to be called only when all nodes have been instantiated
 107         graph.graph_init(int_target_hint == 2);
 108     }
 109     void do_run() override
 110     {
 111         // Run graph
 112         graph.run();
 113     }
 114
 115 private:
 116     Graph graph{};
 117 };
 118
 119 /** Main program for LeNet
 120  *
 121  * @param[in] argc Number of arguments
 122  * @param[in] argv Arguments ( [optional] Target (0 = NEON, 1 = OpenCL), [optional] Path to the weights folder, [optional] batches )
 123  */
 124 int main(int argc, char **argv)
 125 {
 126     return arm_compute::utils::run_example<GraphLenetExample>(argc, argv);
 127 }