model-optimizer/extensions/middle/SliceConverter.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 mo.graph.graph import Graph
  20 from mo.middle.replacement import MiddleReplacementPattern
  21 from mo.ops.const import Const
  22 from mo.ops.crop import Crop
  23 from mo.ops.strided_slice import StridedSlice
  24
  25
  26 def convert_negative_indices(indices: np.array, shape: np.array):
  27     for ind, value in enumerate(indices):
  28         if value < 0:
  29             indices[ind] += shape[ind]
  30
  31
  32 class ConvertSlice(MiddleReplacementPattern):
  33     """
  34     This class convert Slice operation to Crop or Split depends on parameters
  35     """
  36
  37     enabled = True
  38     op = "Slice"
  39
  40     def run_after(self):
  41         from extensions.middle.pass_separator import MiddleStart
  42         return [MiddleStart]
  43
  44     def pattern(self):
  45         return dict(
  46             nodes=[
  47                 ('slice', dict(kind='op', op='Slice'))
  48             ],
  49             edges=[]
  50         )
  51
  52     def replace_pattern(self, graph: Graph, match: dict):
  53         node = match['slice']
  54         # Caffe case
  55         if not node.has_valid('start') or not node.has_valid('end'):
  56             return
  57
  58         begin = node.start
  59         end = node.end
  60         axis = node.axis if node.has_valid('axis') else range(begin.size)
  61
  62
  63         input = node.in_node(0)
  64         output_data = node.out_node()
  65
  66         # Check whether operation use only one axis or not
  67         axes_begin = np.zeros(len(input.shape), dtype=np.int32)
  68         axes_end = np.zeros(len(input.shape), dtype=np.int32)
  69         begin_ext = np.zeros(len(input.shape), dtype=np.int32)
  70         end_ext = np.zeros(len(input.shape), dtype=np.int32)
  71         dims = 0
  72         axes = np.zeros(begin.size)
  73         for i in range(len(axis)):
  74             if begin[i] != 0 or end[i] < input.shape[i]:
  75                 dims += 1
  76                 axes[i] = 1
  77                 if begin[i] != 0:
  78                     axes_begin[axis[i]] = 1
  79                     begin_ext[axis[i]] = begin[i]
  80                 if end[i] < input.shape[i]:
  81                     axes_end[axis[i]] = 1
  82                     end_ext[axis[i]] = end[i]
  83         axes = np.array(axes, dtype=bool)
  84
  85         if dims == 1 or dims == 0:
  86             # If Slice use only one axis or no axis, than
  87             # convert Slice to StridedSlice
  88             ss = StridedSlice(graph, dict(new_axis_mask=np.zeros(len(output_data.shape), dtype=np.int32),
  89                                           shrink_axis_mask=np.zeros(len(output_data.shape), dtype=np.int32),
  90                                           ellipsis_mask=np.zeros(len(output_data.shape), dtype=np.int32),
  91                                           begin_mask=axes_begin,
  92                                           end_mask=axes_end))
  93
  94             convert_negative_indices(begin_ext, input.shape)
  95             convert_negative_indices(end_ext, input.shape)
  96
  97             begin_node = Const(graph, {'name': 'begin', 'value': begin_ext, 'force_precision': 'I32'}).create_node_with_data()
  98             end_node = Const(graph, {'name': 'end', 'value': end_ext, 'force_precision': 'I32'}).create_node_with_data()
  99
 100             ss.create_node_with_data(inputs=[input, begin_node, end_node], data_nodes=[output_data])
 101             # Remove unnecessary edges from and to to Slice vertex
 102             graph.remove_edge(input.id, node.id)
 103             graph.remove_edge(node.id, output_data.id)
 104         else:
 105             # If Slice use more than one axis use Crop layer
 106             crop = Crop(graph, dict(axis=np.arange(begin.size)[axes],
 107                                     offset=begin[axes]))
 108             # creating node with data
 109             crop.create_node_with_data(inputs=[input], data_nodes=[output_data])
 110
 111             # Remove unnecessary edges from and to to Slice vertex
 112             graph.remove_edge(input.id, node.id)
 113             graph.remove_edge(node.id, output_data.id)