model-optimizer/extensions/front/onnx/pad_ext.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 logging as log
  18
  19 from mo.ops.pad import Pad
  20 from mo.front.extractor import FrontExtractorOp
  21 from mo.front.onnx.extractors.utils import onnx_attr
  22 from mo.utils.error import Error
  23
  24 import numpy as np
  25
  26
  27 class PadFrontExtractor(FrontExtractorOp):
  28     op = 'Pad'
  29     enabled = True
  30
  31     @staticmethod
  32     def extract(node):
  33         mode = onnx_attr(node, 'mode', 's', default='constant', dst_type=lambda x: x.decode())
  34         pads = onnx_attr(node, 'pads', 'ints', dst_type=lambda x: np.array(x, dtype=np.int64))
  35         value = onnx_attr(node, 'value', 'f', default=0)
  36
  37         assert pads is not None
  38
  39         if mode.lower() != 'constant':
  40             log.error('Pad.mode != constant for node {}. It is not supported. '
  41                 'Model conversion is not aborted but the final IR will be not correct.'.format(node.name))
  42
  43         if value != 0:
  44             log.error('Pad.value == {} != 0 for node {}. It is not supported. '
  45                 'MOdel conversion is not aborted but the final IR will be not correct.'.format(value, node.name))
  46
  47         # MO Pad op and ONNX Pad op have different format for pads values
  48         # MO Pad has Dx2 where D is the total number of dimensions
  49         # ONNX Pad pads flat layout, so
  50         # need to reshape and transpose
  51
  52         pads = pads.reshape([2,-1])
  53         pads = np.transpose(pads)
  54
  55         Pad.update_node_stat(node, {'mode': mode, 'pads': pads, 'fill_value': value})
  56         return __class__.enabled