model-optimizer/extensions/front/tf/mvn_unrolled.py

   1 """
   2  Copyright (c) 2017-2019 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
  17 import logging as log
  18
  19 from extensions.front.squared_difference import SquaredDifference
  20 from extensions.front.sub import Sub
  21 from mo.front.common.replacement import FrontReplacementSubgraph
  22 from mo.graph.graph import Node, Graph
  23 from extensions.front.div import Div
  24 from mo.ops.op import Op
  25
  26
  27 class MVNUnrolled(FrontReplacementSubgraph):
  28     enabled = True
  29
  30     def run_before(self):
  31         return [SquaredDifference, Div, Sub]
  32
  33     def pattern(self):
  34         log.debug('Enabled MVN replacement')
  35         return dict(
  36             nodes=[
  37                 ('mean', dict(kind='op', op='Mean')),
  38                 ('stop_grad', dict(kind='op', op='StopGradient')),
  39                 ('sqdiff', dict(kind='op', op='SquaredDifference')),
  40                 ('variance', dict(kind='op', op='Mean')),
  41                 ('add', dict(kind='op', op='Add')),
  42                 ('pow', dict(kind='op', op='Pow')),
  43                 ('sub', dict(kind='op', op='Sub')),
  44                 ('truediv', dict(kind='op', op='Div')),
  45             ],
  46             edges=[
  47                 ('mean', 'stop_grad', {'in': 0}),
  48                 ('stop_grad', 'sqdiff', {'in': 1}),
  49                 ('sqdiff', 'variance', {'in': 0}),
  50                 ('mean', 'sub', {'in': 1}),
  51                 ('variance', 'add'),
  52                 ('add', 'pow', {'in': 0}),
  53                 ('pow', 'truediv', {'in': 1}),
  54                 ('sub', 'truediv', {'in': 0}),
  55             ])
  56
  57     @staticmethod
  58     def replace_sub_graph(graph: Graph, match: dict):
  59         MVN = Op.get_op_class_by_name('MVN')
  60
  61         mvn = MVN(graph, dict(
  62             name=match['truediv'].name + '/MVN_',
  63             required_reduction_indices=[1, 2] if graph.graph['layout'] == 'NHWC' else [2, 3]
  64         ))
  65         mvn.attrs['old_infer'] = mvn.attrs['infer']
  66         mvn.attrs['infer'] = __class__.infer
  67
  68         mean_reduction = match['mean'].in_node(1)
  69         variance_reduction = match['variance'].in_node(1)
  70         pow2 = match['pow'].in_node(1)
  71         eps = match['add'].in_node(0 if match['add'].in_node(0).id != match['variance'].id else 1)
  72
  73         new_subgraph = mvn.create_node([match['mean'].in_node(0), mean_reduction, variance_reduction, pow2, eps])
  74
  75         match['truediv'].replace_node(new_subgraph)
  76
  77     @staticmethod
  78     def infer(node: Node):
  79         if not (node.in_node(1).has_valid('value') and node.in_node(2).has_valid('value')):
  80             log.warning('Reduction indices for mean and variance for MVN node {} are not constants'.format(node.name))
  81             return
  82
  83         if not (all(node.in_node(1).value == node.required_reduction_indices) and
  84                     all(node.in_node(2).value == node.required_reduction_indices)):
  85             log.warning('Reduction indices for mean {} and variance {} do not match required ones {}'.format(
  86                 node.in_node(1).value,
  87                 node.in_node(2).value,
  88                 node.required_reduction_indices
  89             ))
  90             return
  91
  92         if not (node.in_node(3).has_valid('value') and node.in_node(4).has_valid('value')):
  93             log.warning('Power or/and epsilon values for MVN node {} are not constants'.format(node.name))
  94             return
  95
  96         if node.in_node(3).value != 0.5:
  97             log.warning('Power for MVN node {} ({}) is not equal to 0.5'.format(node.name, node.in_node(3).value))
  98             return
  99
 100         node['eps'] = node.in_node(4).value
 101
 102         for i in range(1, 5):
 103             node.graph.remove_edge(node.in_node(i).id, node.id)
 104         node.old_infer(node)