model-optimizer/extensions/ops/TensorArrayScatter.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 networkx as nx
  18 import numpy as np
  19
  20 from mo.graph.graph import Node
  21 from mo.ops.op import Op
  22 from mo.utils.utils import match_shapes
  23
  24
  25 class TensorArrayScatter(Op):
  26     op = "TensorArrayScatterV3"
  27
  28     def __init__(self, graph: nx.MultiDiGraph, attrs: dict):
  29         mandatory_props = {
  30             'type': __class__.op,
  31             'op': __class__.op,
  32             'infer': TensorArrayScatter.array_infer,
  33         }
  34         super().__init__(graph, mandatory_props, attrs)
  35
  36     @staticmethod
  37     def array_infer(node: Node):
  38         handle = node.in_node(0)
  39         indices = node.in_node(1)
  40         value = node.in_node(2)
  41         flow_in = node.in_node(3)
  42
  43         ta_node = Node(node.graph, str(handle.value))
  44         if ta_node.has_valid('element_shape'):
  45             assert match_shapes(ta_node['element_shape'], value.shape[1:])
  46         # Assign element_shape anyway, because the original element_shape can contain -1
  47         ta_node['element_shape'] = value.shape[1:]
  48         #TODO: add smart check that indices and value.shape[0] is compatible
  49
  50         output_shape = flow_in.shape
  51         output_value = flow_in.value
  52         #flow_out
  53         for _, out_node in node.graph.out_edges(node.id):
  54             node.graph.node[out_node]['shape'] = np.array(output_shape)
  55             node.graph.node[out_node]['value'] = None if output_value is None else np.array(output_value)