inference-engine/thirdparty/clDNN/src/activation_grad.cpp

   1 /*
   2 // Copyright (c) 2018 Intel Corporation
   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 #include "activation_grad_inst.h"
  18 #include "primitive_type_base.h"
  19 #include "error_handler.h"
  20 #include "json_object.h"
  21
  22 namespace cldnn
  23 {
  24 primitive_type_id activation_grad_type_id()
  25 {
  26     static primitive_type_base<activation_grad> instance;
  27     return &instance;
  28 }
  29
  30 layout activation_grad_inst::calc_output_layout(activation_grad_node const& node)
  31 {
  32     assert((bool)node.get_primitive()->output_data_type == false
  33            && "Output data type forcing is not supported for "
  34               "activation_grad_node!");
  35     return node.input().get_non_padded_output_layout();
  36 }
  37
  38 std::string activation_grad_inst::to_string(activation_grad_node const& node)
  39 {
  40     auto node_info = node.desc_to_json();
  41     auto desc      = node.get_primitive();
  42
  43     std::stringstream primitive_description;
  44
  45     json_composite activation_grad_info;
  46     activation_grad_info.add("activation_grad_func", desc->activation_grad_func);
  47     activation_grad_info.add("additional_params.a", desc->additional_params.a);
  48     activation_grad_info.add("additional_params.b", desc->additional_params.b);
  49     activation_grad_info.add("additional_params input", desc->additional_params_input);
  50
  51     node_info->add("activation_grad info", activation_grad_info);
  52     node_info->dump(primitive_description);
  53
  54     return primitive_description.str();
  55 }
  56
  57 activation_grad_inst::typed_primitive_inst(network_impl& network, activation_grad_node const& node)
  58     : parent(network, node)
  59 {
  60     auto input_grad_arg  = node.input().get_output_layout();
  61     auto input_arg = node.input_arg().get_output_layout();
  62     auto output_arg = node.get_output_layout();
  63
  64     CLDNN_ERROR_NOT_EQUAL(node.id(), "ReLU input_grad number", input_grad_arg.size.raw.size(), "ReLU input number", input_arg.size.raw.size(), "Relu input_grad/input num dismatch");
  65     CLDNN_ERROR_NOT_EQUAL(node.id(), "ReLU input number", input_arg.size.raw.size(), "ReLU output number", output_arg.size.raw.size(), "Relu input/output num dismatch");
  66
  67     if (is_parameterized())
  68     {
  69         /// Slope input x dimension should be equal to input feature size (one slope per channel).
  70         auto slope_input_size = node.slope_input().get_output_layout().size;
  71         auto input_feature_size = node.input().get_output_layout().size.feature[0];
  72
  73         CLDNN_ERROR_LESS_THAN(node.id(), "Slope x size", slope_input_size.spatial[0], "input feature size", input_feature_size, "Dimensions mismatch between input and slope input in Activation layer(slope x size should be equal to input feature size)!");
  74
  75         // All other dimensions should be 1
  76         CLDNN_ERROR_NOT_EQUAL(node.id(), "Slope input size count", slope_input_size.count(), "Slope input size x", slope_input_size.spatial[0], "Dimensions mismatch of slope input in Activation layer!");
  77     }
  78 }
  79 }