inference-engine/thirdparty/clDNN/src/include/convolution_grad_weights_inst.h

   1 /*
   2 // Copyright (c) 2016 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 #pragma once
  19 #include "api/CPP/convolution_grad_weights.hpp"
  20 #include "primitive_inst.h"
  21
  22 namespace cldnn
  23 {
  24
  25 template <>
  26 struct typed_program_node<convolution_grad_weights> : public typed_program_node_base<convolution_grad_weights>
  27 {
  28     using parent = typed_program_node_base<convolution_grad_weights>;
  29
  30 public:
  31     typed_program_node(std::shared_ptr<primitive> prim, program_impl& prog)
  32         : parent(prim, prog)
  33         , split(this->get_primitive()->split())
  34         , depthwise_sep_opt(false)
  35     {
  36     }
  37
  38
  39     void set_split(int32_t node_split) { split = node_split; }
  40     int32_t get_split() const { return split; }
  41
  42     void set_depthwise_sep_opt(bool node_depthwise_sep_opt) { depthwise_sep_opt = node_depthwise_sep_opt; }
  43     bool get_depthwise_sep_opt() const { return depthwise_sep_opt; }
  44
  45     program_node& input(size_t idx = 0) const { return get_dependency(idx); }
  46
  47     program_node& weights(size_t idx = 0) const
  48     {
  49         if (static_cast<int32_t>(idx) >= get_split())
  50             throw std::range_error("weights offset too big");
  51
  52         return get_dependency(2 + idx);
  53     }
  54
  55     program_node& bias(size_t idx = 0) const
  56     {
  57         if (static_cast<int32_t>(idx) >= get_split())
  58             throw std::range_error("bias offset too big");
  59
  60         return get_dependency(2 + this->get_split() + idx);
  61     }
  62
  63     program_node& prev_weights_grad(size_t idx = 0) const
  64     {
  65         if (static_cast<int32_t>(idx) >= get_split())
  66             throw std::range_error("prev weights grad offset too big");
  67         return get_dependency(2 + (bias_term() ? 2 : 1) * get_split() + idx);
  68     }
  69
  70     program_node& prev_bias_grad(size_t idx = 0) const
  71     {
  72         if (static_cast<int32_t>(idx) >= get_split())
  73             throw std::range_error("prev bias grad offset too big");
  74         return get_dependency(2 + 3 * get_split() + idx);
  75     }
  76
  77     bool use_momentum() const
  78     {
  79         if (get_primitive()->prev_weights_grad.size() != 0)
  80             return true;
  81         else
  82             return false;
  83     }
  84
  85     bool bias_term() const
  86     {
  87         if (get_primitive()->bias.size() != 0)
  88             return true;
  89         else
  90             return false;
  91     }
  92
  93     bool output_grad_w() const
  94     {
  95         return get_primitive()->output_grad_w;
  96     }
  97
  98 private:
  99     int32_t split;
 100     bool depthwise_sep_opt;
 101 };
 102
 103 using convolution_grad_weights_node = typed_program_node<convolution_grad_weights>;
 104
 105 template <>
 106 class typed_primitive_inst<convolution_grad_weights> : public typed_primitive_inst_base<convolution_grad_weights>
 107 {
 108     using parent = typed_primitive_inst_base<convolution_grad_weights>;
 109
 110 public:
 111     static layout calc_output_layout(convolution_grad_weights_node const& node);
 112     static std::string to_string(convolution_grad_weights_node const& node);
 113
 114 public:
 115     typed_primitive_inst(network_impl& network, convolution_grad_weights_node const& node);
 116
 117     memory_impl& weights_memory(size_t index) const
 118     {
 119         if (static_cast<int32_t>(index) >= node.get_split())
 120             throw std::range_error("weights offset too big");
 121
 122         return dep_memory(2 + index);
 123     }
 124
 125     memory_impl& bias_memory(size_t index) const
 126     {
 127         if (argument.bias.size() == 0 && static_cast<int32_t>(index) >= node.get_split())
 128             throw std::range_error("no bias data");
 129
 130         if (static_cast<int32_t>(index) > node.get_split())
 131             throw std::range_error("bias offset too big");
 132
 133         return dep_memory(2 + node.get_split() + index);
 134     }
 135
 136     memory_impl& prev_weights_grad(size_t index) const
 137     {
 138         if(argument.prev_weights_grad.size() == 0 && static_cast<int32_t>(index) >= node.get_split())
 139             throw std::range_error("no prev weights grad data");
 140
 141         if (static_cast<int32_t>(index) >= node.get_split())
 142             throw std::range_error("prev weights grad offset too big");
 143
 144         return dep_memory(2 + (bias_term() ? 2 : 1) * node.get_split() + index);
 145     }
 146
 147     memory_impl& prev_bias_grad(size_t index) const
 148     {
 149         if (argument.prev_bias_grad.size() == 0 && static_cast<int32_t>(index) >= node.get_split())
 150             throw std::range_error("no prev bias grad data");
 151
 152         if (static_cast<int32_t>(index) >= node.get_split())
 153             throw std::range_error("prev bias grad offset too big");
 154
 155         return dep_memory(2 + 3 * node.get_split() + index);
 156     }
 157
 158     bool use_momentum() const
 159     {
 160         if (argument.prev_weights_grad.size() != 0)
 161             return true;
 162         else
 163             return false;
 164     }
 165
 166     bool bias_term() const
 167     {
 168         if (argument.bias.size() != 0)
 169             return true;
 170         else
 171             return false;
 172     }
 173
 174     bool output_grad_w() const
 175     {
 176         return argument.output_grad_w;
 177     }
 178 };
 179
 180 using convolution_grad_weights_inst = typed_primitive_inst<convolution_grad_weights>;
 181
 182 }