inference-engine/thirdparty/mkl-dnn/src/common/convolution.cpp

   1 /*******************************************************************************
   2 * Copyright 2016-2018 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 <assert.h>
  18 #include "mkldnn.h"
  19
  20 #include "c_types_map.hpp"
  21 #include "type_helpers.hpp"
  22 #include "utils.hpp"
  23
  24 using namespace mkldnn::impl;
  25 using namespace mkldnn::impl::utils;
  26 using namespace mkldnn::impl::status;
  27 using namespace mkldnn::impl::prop_kind;
  28 using namespace mkldnn::impl::alg_kind;
  29 using namespace mkldnn::impl::types;
  30
  31 namespace mkldnn {
  32 namespace impl {
  33 status_t conv_desc_init(convolution_desc_t *conv_desc,
  34         prop_kind_t prop_kind, alg_kind_t alg_kind,
  35         const memory_desc_t *src_desc, const memory_desc_t *weights_desc,
  36         const memory_desc_t *bias_desc, const memory_desc_t *dst_desc,
  37         const dims_t strides, const dims_t dilates,
  38         const dims_t padding_l, const dims_t padding_r,
  39         padding_kind_t padding_kind) {
  40     bool args_ok = true
  41         && !any_null(conv_desc, src_desc, weights_desc, dst_desc, strides,
  42                 padding_l)
  43         && one_of(alg_kind, convolution_auto, convolution_direct, convolution_winograd)
  44         && one_of(padding_kind, padding_kind::padding_zero);
  45     if (!args_ok) return invalid_arguments;
  46
  47     if (padding_r == nullptr) padding_r = padding_l;
  48
  49     auto cd = convolution_desc_t();
  50     cd.primitive_kind = primitive_kind::convolution;
  51     cd.prop_kind = prop_kind;
  52     cd.alg_kind = alg_kind;
  53
  54     cd.diff_src_desc = cd.src_desc = zero_md();
  55     cd.diff_dst_desc = cd.dst_desc = zero_md();
  56     cd.diff_weights_desc = cd.weights_desc = zero_md();
  57     cd.diff_bias_desc = cd.bias_desc = zero_md();
  58
  59     const bool is_fwd = one_of(prop_kind, forward_training, forward_inference);
  60     const bool with_bias = bias_desc && bias_desc->format != memory_format::undef;
  61     const bool with_groups = weights_desc->ndims == src_desc->ndims + 1;
  62
  63     (prop_kind == backward_data ? cd.diff_src_desc : cd.src_desc) = *src_desc;
  64     (is_fwd ? cd.dst_desc : cd.diff_dst_desc)  = *dst_desc;
  65     (prop_kind == backward_weights ? cd.diff_weights_desc : cd.weights_desc) =
  66         *weights_desc;
  67     if (with_bias)
  68         (prop_kind == backward_weights ? cd.diff_bias_desc : cd.bias_desc) =
  69             *bias_desc;
  70
  71     int sp_dims = src_desc->ndims - 2;
  72     utils::array_copy(cd.strides, strides, sp_dims);
  73     utils::array_copy(cd.padding[0], padding_l, sp_dims);
  74     utils::array_copy(cd.padding[1], padding_r, sp_dims);
  75     if (dilates)
  76         utils::array_copy(cd.dilates, dilates, sp_dims);
  77     else
  78         utils::array_set(cd.dilates, 0, sp_dims);
  79
  80     cd.padding_kind = padding_kind;
  81     cd.accum_data_type = types::default_accum_data_type(src_desc->data_type,
  82             weights_desc->data_type, dst_desc->data_type, prop_kind);
  83
  84     const int g = with_groups ? weights_desc->dims[0] : 1;
  85     const int bias_dim = prop_kind == backward_data
  86         ? src_desc->dims[1]
  87         : dst_desc->dims[1];
  88
  89     bool consistency = true
  90         && memory_desc_wrapper(weights_desc).nelems()
  91         && src_desc->ndims == dst_desc->ndims
  92         && utils::one_of(src_desc->ndims, 3, 4, 5)
  93         && utils::one_of(weights_desc->ndims, src_desc->ndims,
  94                 src_desc->ndims + 1)
  95         && (with_bias ? bias_desc->ndims == 1 : true)
  96         && (with_bias ? bias_desc->dims[0] == bias_dim : true)
  97         && src_desc->dims[0] == dst_desc->dims[0]
  98         && src_desc->dims[1] == g * weights_desc->dims[with_groups + 1]
  99         && dst_desc->dims[1] == g * weights_desc->dims[with_groups + 0];
 100     for (int i = 2; i < src_desc->ndims; ++i)
 101     {
 102         int src = src_desc->dims[i];
 103         int ker = weights_desc->dims[with_groups + i];
 104         int dil = cd.dilates[i - 2];
 105         int pad_l = padding_l[i - 2];
 106         int pad_r = padding_r[i - 2];
 107         int str = strides[i - 2];
 108         int dst = dst_desc->dims[i];
 109         int ker_range = 1 + (ker - 1) * (dil + 1);
 110
 111         if (str < 1) return invalid_arguments;
 112         consistency = consistency
 113             && dil >= 0
 114             && pad_l >= 0
 115 //            && pad_r + str > 0 // TODO: [dmitrygo] Commented as WA to support dw conv fusing
 116             && (src - ker_range + pad_l + pad_r) / str + 1 == dst;
 117     }
 118     if (!consistency) return invalid_arguments;
 119
 120     *conv_desc = cd;
 121     return success;
 122 }
 123 }
 124 }
 125
 126 status_t mkldnn_convolution_forward_desc_init(convolution_desc_t *conv_desc,
 127         prop_kind_t prop_kind, alg_kind_t alg_kind,
 128         const memory_desc_t *src_desc, const memory_desc_t *weights_desc,
 129         const memory_desc_t *bias_desc, const memory_desc_t *dst_desc,
 130         const dims_t strides, const dims_t padding_l, const dims_t padding_r,
 131         padding_kind_t padding_kind) {
 132     if (!one_of(prop_kind, forward_training, forward_inference))
 133         return invalid_arguments;
 134     return mkldnn::impl::conv_desc_init(conv_desc, prop_kind, alg_kind, src_desc,
 135             weights_desc, bias_desc, dst_desc, strides, nullptr,
 136             padding_l, padding_r, padding_kind);
 137 }
 138
 139 status_t mkldnn_dilated_convolution_forward_desc_init(
 140         convolution_desc_t *conv_desc, prop_kind_t prop_kind,
 141         alg_kind_t alg_kind, const memory_desc_t *src_desc,
 142         const memory_desc_t *weights_desc, const memory_desc_t *bias_desc,
 143         const memory_desc_t *dst_desc, const dims_t strides,
 144         const dims_t dilates, const dims_t padding_l,
 145         const dims_t padding_r, padding_kind_t padding_kind) {
 146     if (!one_of(prop_kind, forward_training, forward_inference))
 147         return invalid_arguments;
 148     return mkldnn::impl::conv_desc_init(conv_desc, prop_kind, alg_kind, src_desc,
 149             weights_desc, bias_desc, dst_desc, strides, dilates,
 150             padding_l, padding_r, padding_kind);
 151 }
 152
 153 status_t mkldnn_convolution_backward_data_desc_init(
 154         convolution_desc_t *conv_desc, alg_kind_t alg_kind,
 155         const memory_desc_t *diff_src_desc, const memory_desc_t *weights_desc,
 156         const memory_desc_t *diff_dst_desc, const dims_t strides,
 157         const dims_t padding_l, const dims_t padding_r,
 158         padding_kind_t padding_kind) {
 159     return mkldnn::impl::conv_desc_init(conv_desc, backward_data, alg_kind, diff_src_desc,
 160             weights_desc, nullptr, diff_dst_desc, strides, nullptr,
 161             padding_l, padding_r, padding_kind);
 162 }
 163
 164 status_t mkldnn_dilated_convolution_backward_data_desc_init(
 165         convolution_desc_t *conv_desc, alg_kind_t alg_kind,
 166         const memory_desc_t *diff_src_desc, const memory_desc_t *weights_desc,
 167         const memory_desc_t *diff_dst_desc, const dims_t strides,
 168         const dims_t dilates, const dims_t padding_l, const dims_t padding_r,
 169         padding_kind_t padding_kind) {
 170     return mkldnn::impl::conv_desc_init(conv_desc, backward_data, alg_kind, diff_src_desc,
 171             weights_desc, nullptr, diff_dst_desc, strides, dilates,
 172             padding_l, padding_r, padding_kind);
 173 }
 174
 175 status_t mkldnn_convolution_backward_weights_desc_init(
 176         convolution_desc_t *conv_desc, alg_kind_t alg_kind,
 177         const memory_desc_t *src_desc, const memory_desc_t *diff_weights_desc,
 178         const memory_desc_t *diff_bias_desc,
 179         const memory_desc_t *diff_dst_desc, const dims_t strides,
 180         const dims_t padding_l, const dims_t padding_r,
 181         padding_kind_t padding_kind) {
 182     return mkldnn::impl::conv_desc_init(conv_desc, backward_weights, alg_kind, src_desc,
 183             diff_weights_desc, diff_bias_desc, diff_dst_desc, strides,
 184             nullptr, padding_l, padding_r, padding_kind);
 185 }
 186
 187 status_t mkldnn_dilated_convolution_backward_weights_desc_init(
 188         convolution_desc_t *conv_desc, alg_kind_t alg_kind,
 189         const memory_desc_t *src_desc, const memory_desc_t *diff_weights_desc,
 190         const memory_desc_t *diff_bias_desc,
 191         const memory_desc_t *diff_dst_desc, const dims_t strides,
 192         const dims_t dilates, const dims_t padding_l, const dims_t padding_r,
 193         padding_kind_t padding_kind) {
 194     return mkldnn::impl::conv_desc_init(conv_desc, backward_weights, alg_kind, src_desc,
 195             diff_weights_desc, diff_bias_desc, diff_dst_desc, strides,
 196             dilates, padding_l, padding_r, padding_kind);
 197 }
 198
 199 // vim: et ts=4 sw=4 cindent cino^=l0,\:0,N-s