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/graph/Graph.h"
  29 #include "arm_compute/graph/Nodes.h"
  30 #include "arm_compute/runtime/CL/CLScheduler.h"
  31 #include "arm_compute/runtime/Scheduler.h"
  32 #include "support/ToolchainSupport.h"
  33 #include "utils/GraphUtils.h"
  34 #include "utils/Utils.h"
  35
  36 #include <cstdlib>
  37 #include <iostream>
  38 #include <memory>
  39
  40 using namespace arm_compute::graph;
  41 using namespace arm_compute::graph_utils;
  42
  43 /** Generates appropriate accessor according to the specified path
  44  *
  45  * @note If path is empty will generate a DummyAccessor else will generate a NumPyBinLoader
  46  *
  47  * @param path       Path to the data files
  48  * @param data_file  Relative path to the data files from path
  49  *
  50  * @return An appropriate tensor accessor
  51  */
  52 std::unique_ptr<ITensorAccessor> get_accessor(const std::string &path, const std::string &data_file)
  53 {
  54     if(path.empty())
  55     {
  56         return arm_compute::support::cpp14::make_unique<DummyAccessor>();
  57     }
  58     else
  59     {
  60         return arm_compute::support::cpp14::make_unique<NumPyBinLoader>(path + data_file);
  61     }
  62 }
  63
  64 /** Example demonstrating how to implement LeNet's network using the Compute Library's graph API
  65  *
  66  * @param[in] argc Number of arguments
  67  * @param[in] argv Arguments ( [optional] Path to the weights folder, [optional] batches )
  68  */
  69 void main_graph_lenet(int argc, const char **argv)
  70 {
  71     std::string  data_path;   /** Path to the trainable data */
  72     unsigned int batches = 4; /** Number of batches */
  73
  74     // Parse arguments
  75     if(argc < 2)
  76     {
  77         // Print help
  78         std::cout << "Usage: " << argv[0] << " [path_to_data] [batches]\n\n";
  79         std::cout << "No data folder provided: using random values\n\n";
  80     }
  81     else if(argc == 2)
  82     {
  83         //Do something with argv[1]
  84         data_path = argv[1];
  85         std::cout << "Usage: " << argv[0] << " [path_to_data] [batches]\n\n";
  86         std::cout << "No number of batches where specified, thus will use the default : " << batches << "\n\n";
  87     }
  88     else
  89     {
  90         //Do something with argv[1] and argv[2]
  91         data_path = argv[1];
  92         batches   = std::strtol(argv[2], nullptr, 0);
  93     }
  94
  95     // Check if OpenCL is available and initialize the scheduler
  96     if(arm_compute::opencl_is_available())
  97     {
  98         arm_compute::CLScheduler::get().default_init();
  99     }
 100
 101     Graph graph;
 102     graph.set_info_enablement(true);
 103
 104     //conv1 << pool1 << conv2 << pool2 << fc1 << act1 << fc2 << smx
 105     graph << Hint::OPENCL
 106           << Tensor(TensorInfo(TensorShape(28U, 28U, 1U, batches), 1, DataType::F32), DummyAccessor())
 107           << ConvolutionLayer(
 108               5U, 5U, 20U,
 109               get_accessor(data_path, "/cnn_data/lenet_model/conv1_w.npy"),
 110               get_accessor(data_path, "/cnn_data/lenet_model/conv1_b.npy"),
 111               PadStrideInfo(1, 1, 0, 0))
 112           << PoolingLayer(PoolingLayerInfo(PoolingType::MAX, 2, PadStrideInfo(2, 2, 0, 0)))
 113           << ConvolutionLayer(
 114               5U, 5U, 50U,
 115               get_accessor(data_path, "/cnn_data/lenet_model/conv2_w.npy"),
 116               get_accessor(data_path, "/cnn_data/lenet_model/conv2_b.npy"),
 117               PadStrideInfo(1, 1, 0, 0))
 118           << PoolingLayer(PoolingLayerInfo(PoolingType::MAX, 2, PadStrideInfo(2, 2, 0, 0)))
 119           << FullyConnectedLayer(
 120               500U,
 121               get_accessor(data_path, "/cnn_data/lenet_model/ip1_w.npy"),
 122               get_accessor(data_path, "/cnn_data/lenet_model/ip1_b.npy"))
 123           << ActivationLayer(ActivationLayerInfo(ActivationLayerInfo::ActivationFunction::RELU))
 124           << FullyConnectedLayer(
 125               10U,
 126               get_accessor(data_path, "/cnn_data/lenet_model/ip2_w.npy"),
 127               get_accessor(data_path, "/cnn_data/lenet_model/ip2_b.npy"))
 128           << SoftmaxLayer()
 129           << Tensor(DummyAccessor());
 130
 131     graph.run();
 132 }
 133
 134 /** Main program for LeNet
 135  *
 136  * @param[in] argc Number of arguments
 137  * @param[in] argv Arguments ( [optional] Path to the weights folder, [optional] batches )
 138  */
 139 int main(int argc, const char **argv)
 140 {
 141     return arm_compute::utils::run_example(argc, argv, main_graph_lenet);
 142 }