inference-engine/thirdparty/mkl-dnn/src/cpu/ref_depthwise.cpp

   1 /*******************************************************************************
   2 * Copyright 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 <math.h>
  19
  20 #include "c_types_map.hpp"
  21 #include "type_helpers.hpp"
  22 #include "mkldnn_thread.hpp"
  23
  24 #include "ref_depthwise.hpp"
  25
  26 namespace mkldnn {
  27 namespace impl {
  28 namespace cpu {
  29
  30 using namespace alg_kind;
  31
  32 template <typename T> inline T scale_shift_fwd(T s_val, T w_val, T b_val) {
  33     return s_val*w_val + b_val;
  34 }
  35
  36 template <typename T> inline T prelu_fwd(T s_val, T w_val) {
  37     return s_val >= 0 ? s_val : s_val*w_val;
  38 }
  39
  40 ref_depthwise_scalar_fwd_t::ref_depthwise_scalar_fwd_t(const alg_kind_t alg_)
  41         : alg(alg_) {
  42     using namespace alg_kind;
  43
  44     assert(utils::one_of(alg, depthwise_scale_shift, depthwise_prelu));
  45 }
  46
  47 float ref_depthwise_scalar_fwd_t::compute_scalar(float s, const float* weights, const float* bias) {
  48     switch (alg) {
  49         case depthwise_scale_shift: return scale_shift_fwd(s, *weights, *bias);
  50         case depthwise_prelu: return prelu_fwd(s, *weights);
  51         default: assert(!"unknown depthwise alg_kind");
  52     }
  53
  54     return 0.0f;
  55 }
  56
  57 template <impl::data_type_t data_type>
  58 void ref_depthwise_fwd_t<data_type>::execute_forward() const {
  59     auto src = reinterpret_cast<const data_t *>(this->input_memory(0));
  60     auto weights = reinterpret_cast<const data_t *>(this->input_memory(1));
  61     auto bias = reinterpret_cast<const data_t *>(this->input_memory(2));
  62     auto dst = reinterpret_cast<data_t *>(this->memory());
  63
  64     const memory_desc_wrapper data_d(pd()->src_pd());
  65     const memory_desc_wrapper weights_d(pd()->weights_pd(0));
  66     const memory_desc_wrapper bias_d(pd()->weights_pd(1));
  67
  68     const int MB = pd()->MB();
  69     const int C = pd()->C();
  70     const int D = pd()->D();
  71     const int H = pd()->H();
  72     const int W = pd()->W();
  73     const auto alg_kind = pd()->desc()->alg_kind;
  74
  75     parallel_nd(MB, C, D, H, W,
  76         [&](int n, int c, int d, int h, int w) {
  77         size_t data_off = data_d.ndims() == 4
  78                         ? data_d.off(n, c, h, w)
  79                         : data_d.ndims() == 5
  80                             ? data_d.off(n, c, d, h, w)
  81                             : data_d.off(n, c);
  82
  83         data_t s_val = src[data_off];
  84         data_t w_val = weights[weights_d.off(c)];
  85         data_t b_val = bias ? bias[bias_d.off(c)] : (data_t)0;
  86         data_t &d_val = dst[data_off];
  87
  88         switch (alg_kind) {
  89             case depthwise_scale_shift: d_val = scale_shift_fwd(s_val, w_val, b_val); break;
  90             case depthwise_prelu: d_val = prelu_fwd(s_val, w_val); break;
  91             default: assert(!"unknown depthwise alg_kind");
  92         }
  93     });
  94 }
  95
  96 template struct ref_depthwise_fwd_t<data_type::f32>;
  97
  98 }
  99 }
 100 }
 101
 102 // vim: et ts=4 sw=4 cindent cino^=l0,\:0,N-s