inference-engine/thirdparty/clDNN/tests/test_cases/one_hot_gpu_test.cpp

   1 // Copyright (c) 2019 Intel Corporation
   2 //
   3 // Licensed under the Apache License, Version 2.0 (the "License");
   4 // you may not use this file except in compliance with the License.
   5 // You may obtain a copy of the License at
   6 //
   7 //      http://www.apache.org/licenses/LICENSE-2.0
   8 //
   9 // Unless required by applicable law or agreed to in writing, software
  10 // distributed under the License is distributed on an "AS IS" BASIS,
  11 // WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  12 // See the License for the specific language governing permissions and
  13 // limitations under the License.
  14
  15 ///////////////////////////////////////////////////////////////////////////////////////////////////
  16 #include <gtest/gtest.h>
  17
  18 #include <api/CPP/engine.hpp>
  19 #include <api/CPP/input_layout.hpp>
  20 #include <api/CPP/memory.hpp>
  21 #include <api/CPP/one_hot.hpp>
  22 #include <api/CPP/topology.hpp>
  23 #include <api/CPP/network.hpp>
  24
  25 #include "test_utils/test_utils.h"
  26 #include "test_utils/uniform_quantized_real_distribution.hpp"
  27
  28 #include <cstddef>
  29
  30 using namespace cldnn;
  31 using namespace ::tests;
  32
  33 template <typename T>
  34 VVVVF<T> one_hot_cpu(VVVVF<T> &input, uint16_t axis,
  35     int32_t one_hot_limit, int input_padding_y = 0,
  36     int input_padding_x = 0, int output_padding_y = 0,
  37     int output_padding_x = 0) {
  38
  39     size_t padding_y = input_padding_y + output_padding_y;
  40     size_t padding_x = input_padding_x + output_padding_x;
  41     size_t out_sizes[4];
  42     out_sizes[0] = input.size();
  43     out_sizes[1] = input[0].size();
  44     out_sizes[2] = input[0][0].size() + 2 * padding_y;
  45     out_sizes[3] = input[0][0][0].size() + 2 * padding_x;
  46     for (uint16_t i = 0; i < axis; ++i)
  47         out_sizes[i] = out_sizes[i + 1];
  48     out_sizes[axis] = one_hot_limit;
  49     VVVVF<T> output(out_sizes[0], VVVF<T>(out_sizes[1], VVF<T>(out_sizes[2], VF<T>(out_sizes[3]))));
  50
  51     switch (axis) {
  52     case 0:
  53         for (size_t b = 0; b < out_sizes[0]; ++b)
  54             for (size_t f = 0; f < out_sizes[1]; ++f)
  55                 for (size_t y = 0; y < out_sizes[2]; ++y)
  56                     for (size_t x = 0; x < out_sizes[3]; ++x)
  57                         output[b][f][y][x] = input[0][f][y][x] == (T)b ? 1 : 0;
  58         break;
  59     case 1:
  60         for (size_t b = 0; b < out_sizes[0]; ++b)
  61             for (size_t f = 0; f < out_sizes[1]; ++f)
  62                 for (size_t y = 0; y < out_sizes[2]; ++y)
  63                     for (size_t x = 0; x < out_sizes[3]; ++x)
  64                         output[b][f][y][x] = input[0][b][y][x] == (T)f ? 1 : 0;
  65         break;
  66     case 2:
  67         for (size_t b = 0; b < out_sizes[0]; ++b)
  68             for (size_t f = 0; f < out_sizes[1]; ++f)
  69                 for (size_t y = 0; y < out_sizes[2]; ++y)
  70                     for (size_t x = 0; x < out_sizes[3]; ++x)
  71                         output[b][f][y][x] = input[0][b][f][x] == (T)y ? 1 : 0;
  72         break;
  73     case 3:
  74         for (size_t b = 0; b < out_sizes[0]; ++b)
  75             for (size_t f = 0; f < out_sizes[1]; ++f)
  76                 for (size_t y = 0; y < out_sizes[2]; ++y)
  77                     for (size_t x = 0; x < out_sizes[3]; ++x)
  78                         output[b][f][y][x] = input[0][b][f][y] == (T)x ? 1 : 0;
  79         break;
  80     default: break;
  81     }
  82     return output;
  83 }
  84
  85 template <typename T>
  86 void generic_one_hot_test_int(cldnn::format test_input_fmt, int input_b, int input_f, int input_y, int input_x, tensor shape,
  87     uint16_t one_hot_axis, int input_padding_y = 0, int input_padding_x = 0, int output_padding_y = 0, int output_padding_x = 0) {
  88     std::vector<tensor::value_type> output_dims = { shape.batch[0], shape.feature[0],
  89         shape.spatial[1], shape.spatial[0] };
  90     int32_t one_hot_limit = output_dims[one_hot_axis];
  91
  92     int min_random = -2, max_random = one_hot_limit + 2;
  93     VVVVF<T> input_rnd = generate_random_4d<T>(input_b, input_f, input_y, input_x, min_random, max_random);
  94     VF<T> input_rnd_vec = flatten_4d<T>(test_input_fmt, input_rnd);
  95
  96     const auto& engine = get_test_engine();
  97     tensor input_tensor(input_b, input_f, input_x, input_y);
  98     auto input = memory::allocate(engine, { type_to_data_type<T>::value, test_input_fmt, input_tensor });
  99     set_values(input, input_rnd_vec);
 100
 101     topology topology;
 102     topology.add(input_layout("input", input.get_layout()));
 103     topology.add(one_hot("output", "input", shape, one_hot_axis));
 104
 105     network network(engine, topology);
 106     network.set_input_data("input", input);
 107     auto outputs = network.execute();
 108     EXPECT_EQ(outputs.size(), size_t(1));
 109     EXPECT_EQ(outputs.begin()->first, "output");
 110
 111     auto output_memory = outputs.at("output").get_memory();
 112     auto output_layout = output_memory.get_layout();
 113     auto output_ptr = output_memory.pointer<T>();
 114
 115     VVVVF<T> output_cpu = one_hot_cpu<T>(input_rnd, one_hot_axis, one_hot_limit, input_padding_y, input_padding_x, output_padding_y, output_padding_x);
 116     EXPECT_EQ(output_layout.format.value, test_input_fmt.value);
 117     tensor output_tensor = output_layout.get_buffer_size();
 118     int y_size = output_tensor.spatial[1];
 119     int x_size = output_tensor.spatial[0];
 120     int f_size = output_tensor.feature[0];
 121     int b_size = output_tensor.batch[0];
 122     EXPECT_EQ(y_size, (int)output_cpu[0][0].size());
 123     EXPECT_EQ(x_size, (int)output_cpu[0][0][0].size());
 124     EXPECT_EQ(f_size, (int)output_cpu[0].size());
 125     EXPECT_EQ(b_size, (int)output_cpu.size());
 126
 127
 128     bool test_is_correct = true;
 129     VF<T> output_cpu_vec = flatten_4d<T>(test_input_fmt, output_cpu);
 130
 131     for (size_t i = 0; i < output_cpu_vec.size(); ++i) {
 132         if (output_cpu_vec[i] != output_ptr[i]) {
 133             test_is_correct = false;
 134             break;
 135         }
 136     }
 137     EXPECT_EQ(test_is_correct, true) << std::endl
 138         << "failing test parameters:" << std::endl
 139         << "input_b = " << input_b << std::endl
 140         << "input_f = " << input_f << std::endl
 141         << "input_y = " << input_y << std::endl
 142         << "input_x = " << input_x << std::endl
 143         << "one_hot_limit = " << one_hot_limit << std::endl
 144         << "one_hot_axis = " << one_hot_axis << std::endl
 145         << "input_padding_y = " << input_padding_y << std::endl
 146         << "input_padding_x = " << input_padding_x << std::endl
 147         << "output_padding_y = " << output_padding_y << std::endl
 148         << "output_padding_x = " << output_padding_x << std::endl;
 149 }
 150
 151 TEST(one_hot_gpu_i32, generic_y_in10_oh5) {
 152     generic_one_hot_test_int<int32_t>(format::bfyx, 1, 10, 10, 10, tensor(10, 10, 10, 5), 2);
 153 }
 154
 155
 156 TEST(one_hot_error, basic_error_wrong_batch_size) {
 157
 158     const auto& engine = get_test_engine();
 159     auto input = memory::allocate(engine, { data_types::i32, format::bfyx, { 10, 1, 1, 1 } });
 160
 161     topology topology;
 162     topology.add(input_layout("input", input.get_layout()));
 163     topology.add(one_hot("output", "input", tensor(10, 1, 1, 50), 2));
 164
 165     std::string msg_to_find = "Incorrect parameters configuration: input batch size should be equal to 1.";
 166     EXPECT_ANY_THROW(check_exception_massage(engine, topology, msg_to_find));
 167 }
 168
 169 TEST(one_hot_error, basic_error_wrong_axis) {
 170
 171     const auto& engine = get_test_engine();
 172     auto input = memory::allocate(engine, { data_types::i32, format::bfyx,{ 1, 1, 1, 1 } });
 173
 174     topology topology;
 175     topology.add(input_layout("input", input.get_layout()));
 176     topology.add(one_hot("output", "input", tensor(1, 1, 1, 50), 4));
 177
 178     std::string msg_to_find = "Incorrect parameters configuration: one_hot_axis should be less or equal to 3.";
 179     EXPECT_ANY_THROW(check_exception_massage(engine, topology, msg_to_find));
 180 }
 181
 182 TEST(one_hot_error, basic_error_bad_shape) {
 183
 184     const auto& engine = get_test_engine();
 185     auto input = memory::allocate(engine, { data_types::i32, format::bfyx,{ 1, 1, 1, 1 } });
 186
 187     topology topology;
 188     topology.add(input_layout("input", input.get_layout()));
 189     topology.add(one_hot("output", "input", tensor(1, 5, 1, 50), 2));
 190
 191     std::string msg_to_find = "Incorrect parameters configuration: shape does not fit input size.";
 192     EXPECT_ANY_THROW(check_exception_massage(engine, topology, msg_to_find));
 193 }