internal/ceres/small_blas_test.cc

   1 // Ceres Solver - A fast non-linear least squares minimizer
   2 // Copyright 2015 Google Inc. All rights reserved.
   3 // http://ceres-solver.org/
   4 //
   5 // Redistribution and use in source and binary forms, with or without
   6 // modification, are permitted provided that the following conditions are met:
   7 //
   8 // * Redistributions of source code must retain the above copyright notice,
   9 //   this list of conditions and the following disclaimer.
  10 // * Redistributions in binary form must reproduce the above copyright notice,
  11 //   this list of conditions and the following disclaimer in the documentation
  12 //   and/or other materials provided with the distribution.
  13 // * Neither the name of Google Inc. nor the names of its contributors may be
  14 //   used to endorse or promote products derived from this software without
  15 //   specific prior written permission.
  16 //
  17 // THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS "AS IS"
  18 // AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  19 // IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
  20 // ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT OWNER OR CONTRIBUTORS BE
  21 // LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR
  22 // CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF
  23 // SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS
  24 // INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN
  25 // CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)
  26 // ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE
  27 // POSSIBILITY OF SUCH DAMAGE.
  28 //
  29 // Author: keir@google.com (Keir Mierle)
  30
  31 #include "ceres/small_blas.h"
  32
  33 #include <limits>
  34 #include "gtest/gtest.h"
  35 #include "ceres/internal/eigen.h"
  36
  37 namespace ceres {
  38 namespace internal {
  39
  40 const double kTolerance = 3.0 * std::numeric_limits<double>::epsilon();
  41
  42 TEST(BLAS, MatrixMatrixMultiply) {
  43   const int kRowA = 3;
  44   const int kColA = 5;
  45   Matrix A(kRowA, kColA);
  46   A.setOnes();
  47
  48   const int kRowB = 5;
  49   const int kColB = 7;
  50   Matrix B(kRowB, kColB);
  51   B.setOnes();
  52
  53   for (int row_stride_c = kRowA; row_stride_c < 3 * kRowA; ++row_stride_c) {
  54     for (int col_stride_c = kColB; col_stride_c < 3 * kColB; ++col_stride_c) {
  55       Matrix C(row_stride_c, col_stride_c);
  56       C.setOnes();
  57
  58       Matrix C_plus = C;
  59       Matrix C_minus = C;
  60       Matrix C_assign = C;
  61
  62       Matrix C_plus_ref = C;
  63       Matrix C_minus_ref = C;
  64       Matrix C_assign_ref = C;
  65       for (int start_row_c = 0; start_row_c + kRowA < row_stride_c; ++start_row_c) {
  66         for (int start_col_c = 0; start_col_c + kColB < col_stride_c; ++start_col_c) {
  67           C_plus_ref.block(start_row_c, start_col_c, kRowA, kColB) +=
  68               A * B;
  69
  70           MatrixMatrixMultiply<kRowA, kColA, kRowB, kColB, 1>(
  71               A.data(), kRowA, kColA,
  72               B.data(), kRowB, kColB,
  73               C_plus.data(), start_row_c, start_col_c, row_stride_c, col_stride_c);
  74
  75           EXPECT_NEAR((C_plus_ref - C_plus).norm(), 0.0, kTolerance)
  76               << "C += A * B \n"
  77               << "row_stride_c : " << row_stride_c << "\n"
  78               << "col_stride_c : " << col_stride_c << "\n"
  79               << "start_row_c  : " << start_row_c << "\n"
  80               << "start_col_c  : " << start_col_c << "\n"
  81               << "Cref : \n" << C_plus_ref << "\n"
  82               << "C: \n" << C_plus;
  83
  84
  85           C_minus_ref.block(start_row_c, start_col_c, kRowA, kColB) -=
  86               A * B;
  87
  88           MatrixMatrixMultiply<kRowA, kColA, kRowB, kColB, -1>(
  89               A.data(), kRowA, kColA,
  90               B.data(), kRowB, kColB,
  91               C_minus.data(), start_row_c, start_col_c, row_stride_c, col_stride_c);
  92
  93            EXPECT_NEAR((C_minus_ref - C_minus).norm(), 0.0, kTolerance)
  94               << "C -= A * B \n"
  95               << "row_stride_c : " << row_stride_c << "\n"
  96               << "col_stride_c : " << col_stride_c << "\n"
  97               << "start_row_c  : " << start_row_c << "\n"
  98               << "start_col_c  : " << start_col_c << "\n"
  99               << "Cref : \n" << C_minus_ref << "\n"
 100               << "C: \n" << C_minus;
 101
 102           C_assign_ref.block(start_row_c, start_col_c, kRowA, kColB) =
 103               A * B;
 104
 105           MatrixMatrixMultiply<kRowA, kColA, kRowB, kColB, 0>(
 106               A.data(), kRowA, kColA,
 107               B.data(), kRowB, kColB,
 108               C_assign.data(), start_row_c, start_col_c, row_stride_c, col_stride_c);
 109
 110           EXPECT_NEAR((C_assign_ref - C_assign).norm(), 0.0, kTolerance)
 111               << "C = A * B \n"
 112               << "row_stride_c : " << row_stride_c << "\n"
 113               << "col_stride_c : " << col_stride_c << "\n"
 114               << "start_row_c  : " << start_row_c << "\n"
 115               << "start_col_c  : " << start_col_c << "\n"
 116               << "Cref : \n" << C_assign_ref << "\n"
 117               << "C: \n" << C_assign;
 118         }
 119       }
 120     }
 121   }
 122 }
 123
 124 TEST(BLAS, MatrixTransposeMatrixMultiply) {
 125   const int kRowA = 5;
 126   const int kColA = 3;
 127   Matrix A(kRowA, kColA);
 128   A.setOnes();
 129
 130   const int kRowB = 5;
 131   const int kColB = 7;
 132   Matrix B(kRowB, kColB);
 133   B.setOnes();
 134
 135   for (int row_stride_c = kColA; row_stride_c < 3 * kColA; ++row_stride_c) {
 136     for (int col_stride_c = kColB; col_stride_c <  3 * kColB; ++col_stride_c) {
 137       Matrix C(row_stride_c, col_stride_c);
 138       C.setOnes();
 139
 140       Matrix C_plus = C;
 141       Matrix C_minus = C;
 142       Matrix C_assign = C;
 143
 144       Matrix C_plus_ref = C;
 145       Matrix C_minus_ref = C;
 146       Matrix C_assign_ref = C;
 147       for (int start_row_c = 0; start_row_c + kColA < row_stride_c; ++start_row_c) {
 148         for (int start_col_c = 0; start_col_c + kColB < col_stride_c; ++start_col_c) {
 149           C_plus_ref.block(start_row_c, start_col_c, kColA, kColB) +=
 150               A.transpose() * B;
 151
 152           MatrixTransposeMatrixMultiply<kRowA, kColA, kRowB, kColB, 1>(
 153               A.data(), kRowA, kColA,
 154               B.data(), kRowB, kColB,
 155               C_plus.data(), start_row_c, start_col_c, row_stride_c, col_stride_c);
 156
 157           EXPECT_NEAR((C_plus_ref - C_plus).norm(), 0.0, kTolerance)
 158               << "C += A' * B \n"
 159               << "row_stride_c : " << row_stride_c << "\n"
 160               << "col_stride_c : " << col_stride_c << "\n"
 161               << "start_row_c  : " << start_row_c << "\n"
 162               << "start_col_c  : " << start_col_c << "\n"
 163               << "Cref : \n" << C_plus_ref << "\n"
 164               << "C: \n" << C_plus;
 165
 166           C_minus_ref.block(start_row_c, start_col_c, kColA, kColB) -=
 167               A.transpose() * B;
 168
 169           MatrixTransposeMatrixMultiply<kRowA, kColA, kRowB, kColB, -1>(
 170               A.data(), kRowA, kColA,
 171               B.data(), kRowB, kColB,
 172               C_minus.data(), start_row_c, start_col_c, row_stride_c, col_stride_c);
 173
 174           EXPECT_NEAR((C_minus_ref - C_minus).norm(), 0.0, kTolerance)
 175               << "C -= A' * B \n"
 176               << "row_stride_c : " << row_stride_c << "\n"
 177               << "col_stride_c : " << col_stride_c << "\n"
 178               << "start_row_c  : " << start_row_c << "\n"
 179               << "start_col_c  : " << start_col_c << "\n"
 180               << "Cref : \n" << C_minus_ref << "\n"
 181               << "C: \n" << C_minus;
 182
 183           C_assign_ref.block(start_row_c, start_col_c, kColA, kColB) =
 184               A.transpose() * B;
 185
 186           MatrixTransposeMatrixMultiply<kRowA, kColA, kRowB, kColB, 0>(
 187               A.data(), kRowA, kColA,
 188               B.data(), kRowB, kColB,
 189               C_assign.data(), start_row_c, start_col_c, row_stride_c, col_stride_c);
 190
 191           EXPECT_NEAR((C_assign_ref - C_assign).norm(), 0.0, kTolerance)
 192               << "C = A' * B \n"
 193               << "row_stride_c : " << row_stride_c << "\n"
 194               << "col_stride_c : " << col_stride_c << "\n"
 195               << "start_row_c  : " << start_row_c << "\n"
 196               << "start_col_c  : " << start_col_c << "\n"
 197               << "Cref : \n" << C_assign_ref << "\n"
 198               << "C: \n" << C_assign;
 199         }
 200       }
 201     }
 202   }
 203 }
 204
 205 TEST(BLAS, MatrixVectorMultiply) {
 206   const int kRowA = 5;
 207   const int kColA = 3;
 208   Matrix A(kRowA, kColA);
 209   A.setOnes();
 210
 211   Vector b(kColA);
 212   b.setOnes();
 213
 214   Vector c(kRowA);
 215   c.setOnes();
 216
 217   Vector c_plus = c;
 218   Vector c_minus = c;
 219   Vector c_assign = c;
 220
 221   Vector c_plus_ref = c;
 222   Vector c_minus_ref = c;
 223   Vector c_assign_ref = c;
 224
 225   c_plus_ref += A * b;
 226   MatrixVectorMultiply<kRowA, kColA, 1>(A.data(), kRowA, kColA,
 227                                         b.data(),
 228                                         c_plus.data());
 229   EXPECT_NEAR((c_plus_ref - c_plus).norm(), 0.0, kTolerance)
 230       << "c += A * b \n"
 231       << "c_ref : \n" << c_plus_ref << "\n"
 232       << "c: \n" << c_plus;
 233
 234   c_minus_ref -= A * b;
 235   MatrixVectorMultiply<kRowA, kColA, -1>(A.data(), kRowA, kColA,
 236                                                  b.data(),
 237                                                  c_minus.data());
 238   EXPECT_NEAR((c_minus_ref - c_minus).norm(), 0.0, kTolerance)
 239       << "c += A * b \n"
 240       << "c_ref : \n" << c_minus_ref << "\n"
 241       << "c: \n" << c_minus;
 242
 243   c_assign_ref = A * b;
 244   MatrixVectorMultiply<kRowA, kColA, 0>(A.data(), kRowA, kColA,
 245                                                   b.data(),
 246                                                   c_assign.data());
 247   EXPECT_NEAR((c_assign_ref - c_assign).norm(), 0.0, kTolerance)
 248       << "c += A * b \n"
 249       << "c_ref : \n" << c_assign_ref << "\n"
 250       << "c: \n" << c_assign;
 251 }
 252
 253 TEST(BLAS, MatrixTransposeVectorMultiply) {
 254   const int kRowA = 5;
 255   const int kColA = 3;
 256   Matrix A(kRowA, kColA);
 257   A.setRandom();
 258
 259   Vector b(kRowA);
 260   b.setRandom();
 261
 262   Vector c(kColA);
 263   c.setOnes();
 264
 265   Vector c_plus = c;
 266   Vector c_minus = c;
 267   Vector c_assign = c;
 268
 269   Vector c_plus_ref = c;
 270   Vector c_minus_ref = c;
 271   Vector c_assign_ref = c;
 272
 273   c_plus_ref += A.transpose() * b;
 274   MatrixTransposeVectorMultiply<kRowA, kColA, 1>(A.data(), kRowA, kColA,
 275                                                  b.data(),
 276                                                  c_plus.data());
 277   EXPECT_NEAR((c_plus_ref - c_plus).norm(), 0.0, kTolerance)
 278       << "c += A' * b \n"
 279       << "c_ref : \n" << c_plus_ref << "\n"
 280       << "c: \n" << c_plus;
 281
 282   c_minus_ref -= A.transpose() * b;
 283   MatrixTransposeVectorMultiply<kRowA, kColA, -1>(A.data(), kRowA, kColA,
 284                                                   b.data(),
 285                                                   c_minus.data());
 286   EXPECT_NEAR((c_minus_ref - c_minus).norm(), 0.0, kTolerance)
 287       << "c += A' * b \n"
 288       << "c_ref : \n" << c_minus_ref << "\n"
 289       << "c: \n" << c_minus;
 290
 291   c_assign_ref = A.transpose() * b;
 292   MatrixTransposeVectorMultiply<kRowA, kColA, 0>(A.data(), kRowA, kColA,
 293                                                   b.data(),
 294                                                   c_assign.data());
 295   EXPECT_NEAR((c_assign_ref - c_assign).norm(), 0.0, kTolerance)
 296       << "c += A' * b \n"
 297       << "c_ref : \n" << c_assign_ref << "\n"
 298       << "c: \n" << c_assign;
 299 }
 300
 301 }  // namespace internal
 302 }  // namespace ceres