model-optimizer/extensions/ops/LSTM.py

   1 """
   2  Copyright (c) 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 from extensions.ops.RNN import rnn_infer
  17 from mo.graph.graph import Node, Graph
  18 from mo.ops.op import Op
  19
  20
  21 class LSTM(Op):
  22     op = 'LSTM'
  23
  24     def __init__(self, graph: Graph, attrs: dict):
  25         mandatory_props = {
  26             'type': 'RNNSequence',  # should be never emitted to IR; for debugging purposes
  27             'op': __class__.op,
  28             'blobs_wrb': False,  # input blobs have three separate components W, R and B like in ONNX/LSTM
  29             'has_num_directions': False,  # if True, output shape has 4 dimensions; 3D otherwise
  30             'direction': 'forward',
  31             'infer': __class__.infer,
  32             'multiplier': 4,
  33             'gate_order': None,
  34             'normalized': False,
  35             'multilayers': False,
  36             'format': None,  # format type of input blobs for different frameworks (onnx, tf, mxnet),
  37
  38             'activation_alpha': None,
  39             'activation_beta': None,
  40             'activations': None,
  41             'clip': None,
  42             'input_forget': None,
  43             'in_ports_count': 7,
  44             'out_ports_count': 3,
  45         }
  46         super().__init__(graph, mandatory_props, attrs)
  47
  48     @staticmethod
  49     def supported_attrs():
  50         return [
  51             'hidden_size',  # number of the elements in hidden cell size
  52             'direction',  # one of 'forward', 'reverse', or 'bidirectional'
  53             'axis',
  54
  55             'activation_alpha',
  56             'activation_beta',
  57             'activations',
  58             'clip',
  59             # 'input_forget',  # Not supported yet
  60         ]
  61
  62     def backend_attrs(self):
  63         return [
  64             'hidden_size',  # number of the elements in hidden cell size
  65             'direction',  # one of 'forward', 'reverse', or 'bidirectional'
  66             'axis',
  67
  68             'activation_alpha',
  69             'activation_beta',
  70             ('activations', lambda node: ','.join(node.activations) if node.activations is not None else None),
  71             'clip',
  72             # 'input_forget',  # Not supported yet
  73         ]
  74
  75     @staticmethod
  76     def infer(node: Node):
  77         # there are limitations coming from ONNX LSTM definition and normalization rules
  78         assert len(node.in_nodes()) >= 3  # X, W and R
  79         assert len(node.in_nodes()) <= 7
  80         assert len(node.out_nodes()) <= 3
  81
  82         rnn_infer(node, [1, 2])