inference-engine/thirdparty/clDNN/src/max_unpooling.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 "max_unpooling_inst.h"
  18 #include "primitive_type_base.h"
  19 #include "sliding_window_utils.h"
  20 #include "error_handler.h"
  21 #include "json_object.h"
  22
  23 namespace cldnn
  24 {
  25 primitive_type_id max_unpooling_type_id()
  26 {
  27     static primitive_type_base<max_unpooling> instance;
  28     return &instance;
  29 }
  30
  31 max_unpooling_node::typed_program_node(const std::shared_ptr<max_unpooling> prim, program_impl& prog)
  32     : parent(prim, prog)
  33 {
  34     can_share_buffer(false); // for max_unpooling initial zero values are significant
  35 }
  36
  37 layout max_unpooling_inst::calc_output_layout(max_unpooling_node const& node)
  38 {
  39     assert((bool)node.get_primitive()->output_data_type == false
  40           && "Output data type forcing is not supported for max_unpooling_node!");
  41     auto desc = node.get_primitive();
  42
  43     auto input_layout = node.input().get_output_layout();
  44     auto argmax_layout = node.argmax().get_output_layout();
  45
  46     CLDNN_ERROR_NOT_EQUAL(node.id(), "Argmax data type", static_cast<size_t>(argmax_layout.data_type), "expected to be fp32", static_cast<size_t>(data_types::f32), "Argmax data type is not fp32.");
  47
  48     if (desc->with_output_size)
  49     {
  50         tensor output_size(input_layout.size.batch[0], input_layout.size.feature[0],
  51             desc->output_size.spatial[0], desc->output_size.spatial[1]);
  52         return{ input_layout.data_type, input_layout.format, output_size };
  53     }
  54
  55     auto input_offset = desc->input_offset;
  56     auto stride = desc->stride;
  57     auto window_size = desc->size;
  58
  59     CLDNN_ERROR_LESS_OR_EQUAL_THAN(node.id(), "stride spatial X", stride.spatial[0], "", 0, "Stride spatial X must be positive (>= 1)");
  60     CLDNN_ERROR_LESS_OR_EQUAL_THAN(node.id(), "stride spatial Y", stride.spatial[1], "", 0, "Stride spatial Y must be positive (>= 1)");
  61     CLDNN_ERROR_LESS_OR_EQUAL_THAN(node.id(), "window size spatial X", window_size.spatial[0], "", 0, "Size X (of pooling window) must be positive (>= 1)");
  62     CLDNN_ERROR_LESS_OR_EQUAL_THAN(node.id(), "window size spatial Y", window_size.spatial[1], "", 0, "Size Y (of pooling window) must be positive (>= 1)");
  63     CLDNN_ERROR_GREATER_THAN(node.id(), "Input offset spatial X", 2 * input_offset.spatial[0], "input layout size spatial X", input_layout.size.spatial[0], "Input offset is greater than input data range. There is no input data to process");
  64     CLDNN_ERROR_GREATER_THAN(node.id(), "Input offset spatial Y", 2 * input_offset.spatial[1], "input layout size spatial Y", input_layout.size.spatial[1], "Input offset is greater than input data range. There is no input data to process");
  65     CLDNN_ERROR_GREATER_THAN(node.id(), "Negate input offset spatial X", -input_offset.spatial[0], "input window size spatial X", window_size.spatial[0], "First pool is outside of image. please reduce input offset X");
  66     CLDNN_ERROR_GREATER_THAN(node.id(), "Negate input offset spatial Y", -input_offset.spatial[1], "input window size spatial Y", window_size.spatial[1], "First pool is outside of image. please reduce input offset Y");
  67     CLDNN_ERROR_NOT_EQUAL(node.id(), "Input offset feature", input_offset.feature[0], "", 0, "Input offset in feature is not supported");
  68     CLDNN_ERROR_NOT_EQUAL(node.id(), "Input offset batch", input_offset.batch[0], "", 0, "Input offset in batch is not supported");
  69
  70     auto output_range = calc_sliding_window_needed_input_range(
  71         input_layout.size, window_size, input_offset, stride, { 1, 1, 1, 1 }, true, 1);
  72
  73     tensor output_size(input_layout.size.batch[0], input_layout.size.feature[0],
  74         output_range.spatial[0], output_range.spatial[1]);
  75     return{ input_layout.data_type, input_layout.format, output_size };
  76 }
  77
  78 std::string max_unpooling_inst::to_string(max_unpooling_node const& node)
  79 {
  80     auto desc = node.get_primitive();
  81     auto node_info = node.desc_to_json();
  82     auto& input = node.input();
  83     auto& argmax = node.argmax();
  84
  85     std::stringstream primitive_description;
  86
  87     json_composite max_unmax_unpooling_info;
  88     max_unmax_unpooling_info.add("input", input.id());
  89     max_unmax_unpooling_info.add("argmax", argmax.id());
  90
  91     node_info->add("max unmax_unpooling info", max_unmax_unpooling_info);
  92     node_info->dump(primitive_description);
  93
  94     return primitive_description.str();
  95 }
  96
  97 max_unpooling_inst::typed_primitive_inst(network_impl& network, max_unpooling_node const& node)
  98     :parent(network, node)
  99 {
 100 }
 101
 102 }