model-optimizer/extensions/back/ShufflenetReLUReorder_test.py

   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 import unittest
  18
  19 import numpy as np
  20
  21 from extensions.back.ShufflenetReLUReorder import ShufflenetReLUReorder
  22 from mo.utils.unittest.graph import build_graph, compare_graphs
  23
  24 # The dictionary with nodes attributes used to build various graphs. A key is the name of the node and the value is the
  25 # dictionary with node attributes.
  26 nodes_attributes = {
  27     'placeholder_1': {'shape': None, 'type': 'Placeholder', 'kind': 'op', 'op': 'Placeholder'},
  28     'placeholder_1_data': {'value': None, 'shape': None, 'kind': 'data', 'data_type': None},
  29     # ReLU
  30     'relu_1': {'type': 'ReLU', 'kind': 'op', 'op': 'ReLU'},
  31     'relu_1_data': {'value': None, 'shape': None, 'kind': 'data'},
  32     # Reshape layers
  33     'reshape_1': {'type': 'Reshape', 'kind': 'op', 'op': 'Reshape'},
  34     'reshape_1_data': {'value': None, 'shape': None, 'kind': 'data'},
  35     'reshape_2': {'type': 'Reshape', 'kind': 'op', 'op': 'Reshape'},
  36     'reshape_2_data': {'value': None, 'shape': None, 'kind': 'data'},
  37     'reshape_3': {'type': 'Reshape', 'kind': 'op', 'op': 'Reshape'},
  38     'reshape_3_data': {'value': None, 'shape': None, 'kind': 'data'},
  39     # Transpose layer
  40     'transpose_1': {'type': 'Permute', 'kind': 'op', 'op': 'Transpose'},
  41     'transpose_1_data': {'value': None, 'shape': None, 'kind': 'data'},
  42     # Conv layer
  43     'conv_1': {'type': 'Convolution', 'kind': 'op', 'op': 'Conv2d'},
  44     'conv_1_data': {'value': None, 'shape': None, 'kind': 'data'},
  45 }
  46
  47
  48 class ShufflenetReLUReorderTests(unittest.TestCase):
  49     def test_1(self):
  50         graph = build_graph(nodes_attributes,
  51                             [('placeholder_1', 'placeholder_1_data'),
  52                              ('placeholder_1_data', 'relu_1'),
  53                              ('relu_1', 'relu_1_data'),
  54                              ('relu_1_data', 'reshape_1'),
  55                              ('reshape_1', 'reshape_1_data'),
  56                              ('reshape_1_data', 'transpose_1'),
  57                              ('transpose_1', 'transpose_1_data'),
  58                              ('transpose_1_data', 'reshape_2'),
  59                              ('reshape_2', 'reshape_2_data'),
  60                              ('reshape_2_data', 'conv_1'),
  61                              ('conv_1', 'conv_1_data')
  62                              ],
  63                             {'placeholder_1_data': {'shape': np.array([1, 227, 227, 112])},
  64                              'relu_1_data': {'shape': np.array([1, 227, 227, 112])},
  65                              'reshape_1_data': {'shape': np.array([227, 227, 4, 28])},
  66                              'transpose_1': {'order': np.array([0, 1, 3, 2])},
  67                              'transpose_1_data': {'shape': np.array([227, 227, 28, 4])},
  68                              'reshape_2_data': {'shape': np.array([1, 227, 227, 112])},
  69                              'conv_1_data': {'shape': np.array([1, 227, 227, 112])},
  70                              'conv_1': {'pad': np.array([1, 1])}
  71                              })
  72         graph.graph['layout'] = 'NHWC'
  73
  74         graph_ref = build_graph(nodes_attributes,
  75                                 [('placeholder_1', 'placeholder_1_data'),
  76                                  ('placeholder_1_data', 'reshape_1'),
  77                                  ('reshape_1', 'reshape_1_data'),
  78                                  ('reshape_1_data', 'transpose_1'),
  79                                  ('transpose_1', 'transpose_1_data'),
  80                                  ('transpose_1_data', 'reshape_2'),
  81                                  ('reshape_2', 'reshape_2_data'),
  82                                  ('reshape_2_data', 'relu_1'),
  83                                  ('relu_1', 'relu_1_data'),
  84                                  ('relu_1_data', 'conv_1'),
  85                                  ('conv_1', 'conv_1_data')
  86                                  ],
  87                                 {'placeholder_1_data': {'shape': np.array([1, 227, 227, 112])},
  88                                  'relu_1_data': {'shape': np.array([1, 227, 227, 112])},
  89                                  'reshape_1_data': {'shape': np.array([227, 227, 4, 28])},
  90                                  'transpose_1': {'order': np.array([0, 1, 3, 2])},
  91                                  'transpose_1_data': {'shape': np.array([227, 227, 28, 4])},
  92                                  'reshape_2_data': {'shape': np.array([1, 227, 227, 112])},
  93                                  'conv_1_data': {'shape': np.array([1, 227, 227, 112])},
  94                                  })
  95
  96         pattern = ShufflenetReLUReorder()
  97         pattern.find_and_replace_pattern(graph)
  98
  99         (flag, resp) = compare_graphs(graph, graph_ref, 'conv_1_data', check_op_attrs=True)
 100         self.assertTrue(flag, resp)
 101
 102     def test_2_neg(self):
 103         graph = build_graph(nodes_attributes,
 104                             [('placeholder_1', 'placeholder_1_data'),
 105                              ('placeholder_1_data', 'reshape_1'),
 106                              ('reshape_1', 'reshape_1_data'),
 107                              ('reshape_1_data', 'transpose_1'),
 108                              ('transpose_1', 'transpose_1_data'),
 109                              ('transpose_1_data', 'reshape_2'),
 110                              ('reshape_2', 'reshape_2_data'),
 111                              ('reshape_2_data', 'conv_1'),
 112                              ('conv_1', 'conv_1_data')
 113                              ],
 114                             {'placeholder_1_data': {'shape': np.array([1, 227, 227, 112])},
 115                              'relu_1_data': {'shape': np.array([1, 227, 227, 112])},
 116                              'reshape_1_data': {'shape': np.array([227, 227, 4, 28])},
 117                              'transpose_1': {'order': np.array([0, 1, 3, 2])},
 118                              'transpose_1_data': {'shape': np.array([227, 227, 28, 4])},
 119                              'reshape_2_data': {'shape': np.array([1, 227, 227, 112])},
 120                              'conv_1_data': {'shape': np.array([1, 227, 227, 112])},
 121                              })
 122         graph.graph['layout'] = 'NHWC'
 123
 124         graph_ref = build_graph(nodes_attributes,
 125                                 [('placeholder_1', 'placeholder_1_data'),
 126                                  ('placeholder_1_data', 'reshape_1'),
 127                                  ('reshape_1', 'reshape_1_data'),
 128                                  ('reshape_1_data', 'transpose_1'),
 129                                  ('transpose_1', 'transpose_1_data'),
 130                                  ('transpose_1_data', 'reshape_2'),
 131                                  ('reshape_2', 'reshape_2_data'),
 132                                  ('reshape_2_data', 'conv_1'),
 133                                  ('conv_1', 'conv_1_data')
 134                                  ],
 135                                 {'placeholder_1_data': {'shape': np.array([1, 227, 227, 112])},
 136                                  'relu_1_data': {'shape': np.array([1, 227, 227, 112])},
 137                                  'reshape_1_data': {'shape': np.array([227, 227, 4, 28])},
 138                                  'transpose_1': {'order': np.array([0, 1, 3, 2])},
 139                                  'transpose_1_data': {'shape': np.array([227, 227, 28, 4])},
 140                                  'reshape_2_data': {'shape': np.array([1, 227, 227, 112])},
 141                                  'conv_1_data': {'shape': np.array([1, 227, 227, 112])},
 142                                  })
 143
 144         pattern = ShufflenetReLUReorder()
 145         pattern.find_and_replace_pattern(graph)
 146
 147         (flag, resp) = compare_graphs(graph, graph_ref, 'conv_1_data', check_op_attrs=True)
 148         self.assertTrue(flag, resp)