model-optimizer/extensions/front/tf/pooling_ext_test.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
  17 import numpy as np
  18
  19 from extensions.front.tf.pooling_ext import AvgPoolFrontExtractor, MaxPoolFrontExtractor
  20 from mo.utils.unittest.extractors import PB, BaseExtractorsTestingClass
  21
  22
  23 class PoolingExtractorTest(BaseExtractorsTestingClass):
  24     @classmethod
  25     def setUpClass(cls):
  26         cls.strides = [1, 2, 3, 4]
  27         cls.ksize = [1, 3, 3, 1]
  28         cls.patcher = 'mo.ops.pooling.Pooling.infer'
  29
  30     def test_pool_defaults(self):
  31         pb = PB({'attr': {
  32             'data_format': PB({
  33                 's': b"NHWC"
  34             }),
  35             'strides': PB({
  36                 'list': PB({
  37                     "i": self.strides
  38                 })
  39             }),
  40             'ksize': PB({
  41                 'list': PB({"i": self.ksize})
  42             }),
  43             'padding': PB({
  44                 's': b'VALID'
  45             })
  46         }})
  47         self.expected = {
  48             'pad': None,  # will be inferred when input shape is known
  49             'pad_spatial_shape': None,
  50             'type': 'Pooling',
  51             'exclude_pad': 'true',
  52         }
  53         node = PB({'pb': pb})
  54         AvgPoolFrontExtractor.extract(node)
  55         self.res = node
  56         self.res["infer"](None)
  57         self.call_args = self.infer_mock.call_args
  58         self.expected_call_args = (None, None)
  59         self.compare()
  60
  61     def test_avg_pool_nhwc(self):
  62         pb = PB({'attr': {
  63             'data_format': PB({
  64                 's': b"NHWC"
  65             }),
  66             'strides': PB({
  67                 'list': PB({"i": self.strides})
  68             }),
  69             'ksize': PB({
  70                 'list': PB({"i": self.ksize})
  71             }),
  72             'padding': PB({
  73                 's': b'VALID'
  74             })
  75         }})
  76         self.expected = {
  77             'window': np.array(self.ksize, dtype=np.int8),
  78             'spatial_dims': [1, 2],
  79             'stride': np.array(self.strides, dtype=np.int8),
  80             'pool_method': "avg",
  81         }
  82         node = PB({'pb': pb})
  83         AvgPoolFrontExtractor.extract(node)
  84         self.res = node
  85         self.res["infer"](None)
  86         self.call_args = self.infer_mock.call_args
  87         self.expected_call_args = (None, "avg")
  88         self.compare()
  89
  90     def test_avg_pool_nchw(self):
  91         pb = PB({'attr': {
  92             'data_format': PB({
  93                 's': b"NCHW"
  94             }),
  95             'strides': PB({
  96                 'list': PB({
  97                     "i": self.strides
  98                 })
  99             }),
 100             'ksize': PB({
 101                 'list': PB({
 102                     "i": self.ksize
 103                 })
 104             }),
 105             'padding': PB({
 106                 's': b'VALID'
 107             })
 108         }})
 109         self.expected = {
 110             'window': np.array(self.ksize, dtype=np.int8),
 111             'spatial_dims': [2, 3],
 112             'stride': np.array(self.strides, dtype=np.int8),
 113             'pool_method': "avg",
 114         }
 115         node = PB({'pb': pb})
 116         AvgPoolFrontExtractor.extract(node)
 117         self.res = node
 118         self.res["infer"](None)
 119         self.call_args = self.infer_mock.call_args
 120         self.expected_call_args = (None, "avg")
 121         self.compare()
 122
 123     def test_max_pool_nhwc(self):
 124         pb = PB({'attr': {
 125             'data_format': PB({
 126                 's': b"NHWC"
 127             }),
 128             'strides': PB({
 129                 'list': PB({
 130                     "i": self.strides
 131                 })
 132             }),
 133             'ksize': PB({
 134                 'list': PB({
 135                     "i": self.ksize
 136                 })
 137             }),
 138             'padding': PB({
 139                 's': b'VALID'
 140             })
 141         }})
 142         self.expected = {
 143             'window': np.array(self.ksize, dtype=np.int8),
 144             'spatial_dims': [1, 2],
 145             'stride': np.array(self.strides, dtype=np.int64),
 146             'pool_method': "max",
 147         }
 148         node = PB({'pb': pb})
 149         MaxPoolFrontExtractor.extract(node)
 150         self.res = node
 151         self.res["infer"](None)
 152         self.call_args = self.infer_mock.call_args
 153         self.expected_call_args = (None, "max")
 154         self.compare()