model-optimizer/extensions/front/caffe/pooling_ext.py

   1 """
   2  Copyright (c) 2018-2019 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 import numpy as np
  17
  18 from mo.front.caffe.extractors.utils import get_spatial_attr
  19 from mo.front.common.extractors.utils import layout_attrs
  20 from mo.front.extractor import FrontExtractorOp
  21 from mo.ops.pooling import Pooling
  22
  23
  24 class PoolingFrontExtractor(FrontExtractorOp):
  25     op = 'pooling'
  26     enabled = True
  27
  28     @staticmethod
  29     def extract(node):
  30         proto_layer = node.pb
  31         param = proto_layer.pooling_param
  32
  33         method = 'max'
  34         exclude_pad = 'true'
  35         kernel = [0, 0]
  36         stride = [1, 1]
  37         padding = [0, 0]
  38         global_pooling = False
  39
  40         if hasattr(param, 'global_pooling') and param.global_pooling:
  41             global_pooling = param.global_pooling
  42         else:
  43             kernel = get_spatial_attr(kernel, 'kernel_size', 'kernel', param)
  44             padding = get_spatial_attr(padding, 'pad', 'pad', param)
  45             stride = get_spatial_attr(stride, 'stride', 'stride', param)
  46
  47         if param.pool == 0:
  48             method = 'max'
  49             exclude_pad = 'true'
  50         elif param.pool == 1:
  51             method = 'avg'
  52             exclude_pad = 'false'
  53         else:
  54             raise ValueError('Unknown Pooling Method!')
  55
  56         pooling_convention = 'full'  # for Caffe rounding type should be ceil
  57         rt = 'ceil'
  58
  59         if hasattr(param, 'ceil_mode') and not param.ceil_mode:
  60             # If pooling has ceil_mode and ceil_mode is False using floor for rounding shapes in partial_infer
  61             pooling_convention = 'valid'
  62             rt = 'floor'
  63
  64         attrs = {
  65             'window': np.array([1, 1, kernel[1], kernel[0]], dtype=np.int64),
  66             'stride': np.array([1, 1, stride[1], stride[0]], dtype=np.int64),
  67             'pad': np.array([[0, 0], [0, 0], [padding[1], padding[1]], [padding[0], padding[0]]], dtype=np.int64),
  68             'pad_spatial_shape': np.array([[padding[1], padding[1]], [padding[0], padding[0]]], dtype=np.int64),
  69             'pool_method': method,
  70             'exclude_pad': exclude_pad,
  71             'global_pool': global_pooling,
  72             'output_spatial_shape': None,
  73             'rounding_type': rt
  74         }
  75
  76         attrs.update(layout_attrs())
  77         attrs['pooling_convention'] = pooling_convention
  78
  79         # update the attributes of the node
  80         Pooling.update_node_stat(node, attrs)
  81         return __class__.enabled