model-optimizer/extensions/ops/gather.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 import numpy as np
  20
  21 from mo.front.caffe.extractors.utils import get_canonical_axis_index
  22 from mo.graph.graph import Node, Graph
  23 from mo.ops.op import Op
  24
  25
  26 class Gather(Op):
  27     op = 'Gather'
  28
  29     def __init__(self, graph: Graph, attrs: dict):
  30         mandatory_props = {
  31             'type': __class__.op,
  32             'op': __class__.op,
  33             'axis': 0,
  34             'in_ports_count': 3,
  35             'out_ports_count': 1,
  36             'infer': __class__.infer,
  37         }
  38         super().__init__(graph, mandatory_props, attrs)
  39
  40     def supported_attrs(self):
  41         return [
  42             'axis',
  43         ]
  44
  45     @staticmethod
  46     def infer(node: Node):
  47         assert len(node.in_nodes()) == 2 or len(node.in_nodes()) == 3
  48
  49         # There may be three inputs in TensorFlow. The third input is axis
  50         if len(node.in_nodes()) == 3:
  51             if node.in_node(2).value is None:
  52                 log.error("Gather is supported only with constant axis value")
  53                 return
  54             node.axis = node.in_node(2).value.item()
  55             node.graph.remove_edge(node.in_node(2).id, node.id)
  56
  57         axis = node.axis
  58         data = node.in_node(0)
  59         indices = node.in_node(1)
  60
  61         # both inputs are constant
  62         if data.value is not None and indices.value is not None:
  63             indices.value = np.array(indices.value, dtype=np.int64)
  64             node.out_node(0).value = np.take(data.value, indices.value, axis)
  65             node.out_node(0).shape = np.array(node.out_node(0).value.shape, dtype=np.int64)
  66             return
  67
  68         # Convert negative axis
  69         axis = get_canonical_axis_index(data.shape, axis)
  70         node.axis = axis
  71
  72         shape = np.concatenate((data.shape[:axis], indices.shape))
  73         if axis < len(data.shape) - 1:
  74             shape = np.concatenate((shape, data.shape[axis + 1:]))
  75
  76         node.out_node(0).shape = np.array(shape, dtype=np.int64)