inference-engine/thirdparty/clDNN/src/convolution_grad_weights.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 ///////////////////////////////////////////////////////////////////////////////////////////////////
  18 #include "convolution_grad_weights_inst.h"
  19 #include "primitive_type_base.h"
  20 #include "sliding_window_utils.h"
  21 #include "error_handler.h"
  22 #include "json_object.h"
  23
  24 namespace cldnn
  25 {
  26 primitive_type_id convolution_grad_weights_type_id()
  27 {
  28     static primitive_type_base<convolution_grad_weights> instance;
  29     return &instance;
  30 }
  31
  32 layout convolution_grad_weights_inst::calc_output_layout(convolution_grad_weights_node const& node)
  33 {
  34     assert((bool)node.get_primitive()->output_data_type == false
  35            && "Output data type forcing is not supported for "
  36               "convolution_grad_weights_node!");
  37     //output buffer will not be used in this primitive unless output gradient weights is set
  38     auto input_grad_layout_size = node.input(0).get_output_layout();
  39     tensor output_sizes = { 1, 1, 1, 1 };
  40     if (node.output_grad_w())
  41         output_sizes = node.weights().get_output_layout().size;
  42
  43     return{ input_grad_layout_size.data_type, input_grad_layout_size.format, output_sizes };
  44 }
  45
  46 std::string convolution_grad_weights_inst::to_string(convolution_grad_weights_node const& node)
  47 {
  48     auto desc       = node.get_primitive();
  49     auto strd       = desc->stride;
  50     auto dilation   = desc->dilation;
  51     auto split      = desc->split();
  52     auto node_info  = node.desc_to_json();
  53
  54     std::stringstream primitive_description;
  55     std::stringstream ss_weights, ss_biases;
  56
  57     for (size_t i = 0; i < desc->weights.size(); ++i)
  58     {
  59         ss_weights << node.weights(i).id();
  60         ss_weights << ", count: " << node.weights(i).get_output_layout().count();
  61         i != (desc->weights.size() - 1) ? ss_weights << ", " : ss_weights << "";
  62         if (node.get_depthwise_sep_opt())
  63             break;
  64     }
  65
  66     for (size_t i = 0; i < desc->bias.size(); ++i)
  67     {
  68         ss_biases << node.bias(i).id();
  69         ss_biases << ", count: " << node.bias(i).get_output_layout().count();
  70         i != (desc->bias.size() - 1) ? ss_biases << ", " : ss_biases << "";
  71     }
  72
  73     json_composite deconv_info;
  74     deconv_info.add("weights count", desc->weights.size());
  75     deconv_info.add("bias count", desc->bias.size());
  76     deconv_info.add("stride", strd.to_string());
  77     deconv_info.add("input offset", desc->input_offset.to_string());
  78     deconv_info.add("dilation", dilation.to_string());
  79     deconv_info.add("split", split);
  80
  81     node_info->add("convolution_grad_weights info", deconv_info);
  82     node_info->dump(primitive_description);
  83     return primitive_description.str();
  84 }
  85
  86 convolution_grad_weights_inst::typed_primitive_inst(network_impl& network, convolution_grad_weights_node const& node)
  87     : parent(network, node)
  88 {
  89     auto stride = argument.stride;
  90     auto dilation = argument.dilation;
  91
  92     auto input_inst = node.input(1).get_output_layout();
  93     auto input_grad_inst = node.input().get_output_layout();
  94     auto desc = node.get_primitive();
  95     auto output_inst = node.get_output_layout();
  96     auto output_size = output_inst.size;
  97
  98     CLDNN_ERROR_NOT_EQUAL(node.id(), "convolution_grad_weights Input_grad size", input_grad_inst.size.raw.size(), "Input size", output_inst.size.raw.size(), "Input_grad/Input number of dimension does not match.");
  99     CLDNN_ERROR_NOT_EQUAL(node.id(), "convolution_grad_weights Input size", input_inst.size.raw.size(), "output size", output_inst.size.raw.size(), "Input/output number of dimension does not match.");
 100     CLDNN_ERROR_NOT_EQUAL(node.id(), "convolution_grad_weights Stride size", stride.raw.size(), "output size", output_inst.size.raw.size(), "Stride/output number of dimension does not match.");
 101
 102     //TODO: add support to dilation not equal 1, 1
 103     CLDNN_ERROR_NOT_EQUAL(node.id(), "convolution_grad_weights dilation x", dilation.spatial[0], "should be 1", 1, "Only dilation x = 1 is supported right now.");
 104     CLDNN_ERROR_NOT_EQUAL(node.id(), "convolution_grad_weights dilation y", dilation.spatial[1], "should be 1", 1, "Only dilation y = 1 is supported right now.");
 105
 106     if (use_momentum())
 107     {
 108         CLDNN_ERROR_NOT_EQUAL(node.id(), "number of weights", desc->weights.size(), "should be same as prev_weights_grad number", desc->prev_weights_grad.size(), "");
 109         if (bias_term())
 110             CLDNN_ERROR_NOT_EQUAL(node.id(), "number of bias", desc->bias.size(), "should be same as prev_bias_grad number", desc->prev_bias_grad.size(), "");
 111     }
 112
 113     auto split = node.get_split();
 114     for (decltype(split) j = 0; j < split; j++)
 115     {
 116         auto& filter_mem = node.weights(j);
 117         auto filter_inst = filter_mem.get_output_layout(); //convolution_grad_weights filter
 118         auto input_offset = argument.input_offset;
 119
 120         if (argument.bias.size() != 0)
 121         {
 122             auto bias_inst = node.bias(j).get_output_layout();
 123             CLDNN_ERROR_NOT_EQUAL(node.id(), "Bias batch[0]", bias_inst.size.batch[0], "dimension size", 1, "Batch[0] of bias should be 1. Bias isn't 1D vector.");
 124             CLDNN_ERROR_NOT_EQUAL(node.id(), "Bias feature[0]", bias_inst.size.feature[0], "dimension size", 1, "Feature[0] of bias should be 1. Bias isn't 1D vector.");
 125             CLDNN_ERROR_NOT_EQUAL(node.id(), "Bias spatial[1]", bias_inst.size.spatial[1], "dimension size", 1, "Spatial[1] of bias should be 1. Bias isn't 1D vector.");
 126
 127             CLDNN_ERROR_NOT_EQUAL(node.id(), "Bias spatial[0]", bias_inst.size.spatial[0], "input_grad feature size / split", input_grad_inst.size.feature[0] / split, "Biases/output feature maps number does not match.");
 128         }
 129         CLDNN_ERROR_NOT_EQUAL(node.id(), "convolution_grad_weights padding filling value", node.get_output_layout().data_padding.filling_value(), "padding mode", 0.0f, "Unknown padding mode in convolution_grad_weights.");
 130         CLDNN_ERROR_NOT_EQUAL(node.id(), "Input offset size", input_offset.raw.size(), "input number of dimensions", input_inst.size.raw.size(), "");
 131         CLDNN_ERROR_NOT_EQUAL(node.id(), "Output feature size", output_size.feature.size(), "expected output feature size", 1,"Only one-dimensional features are supported" );
 132         CLDNN_ERROR_NOT_EQUAL(node.id(), "Output feature size", output_size.feature.size(), "expected output feature size", 1, "Only one-dimensional features are supported");
 133         CLDNN_ERROR_NOT_EQUAL(node.id(), "Output batch size", output_size.batch.size(), "expected output batch size", 1, "Only one-dimensional features are supported");
 134         CLDNN_ERROR_NOT_EQUAL(node.id(), "Weights spatial size", filter_inst.size.spatial.size(), "expected convolution_grad_weights weights spatial size", 2, "Weights have to have 2 dimensions in spatial domain.");
 135
 136         CLDNN_ERROR_LESS_THAN(node.id(), "Weights feature maps number", (input_grad_inst.size.feature[0] - input_offset.feature[0]) / split, "input_grad feature maps number", filter_inst.size.batch[0], "Weights/ifm mimsmatch");
 137     }
 138 }
 139 }