model-optimizer/mo/front/caffe/extractors/inner_product_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 unittest
  18
  19 import numpy as np
  20
  21 from mo.front.caffe.extractors.inner_product import inner_product_ext
  22 from mo.front.common.partial_infer.inner_product import caffe_inner_product
  23 from mo.utils.unittest.extractors import FakeMultiParam, FakeModelLayer
  24
  25
  26 class FakeProtoLayer:
  27     def __init__(self, val):
  28         self.inner_product_param = val
  29
  30
  31 class TestInnerProduct(unittest.TestCase):
  32     def test_inner_product_ext(self):
  33         params = {
  34             'num_output': 10,
  35             'bias_term': True
  36         }
  37         mean_blob = np.array([1., 2.])
  38         variance_blob = np.array([3., 4.])
  39         blobs = [mean_blob, variance_blob]
  40         res = inner_product_ext(FakeProtoLayer(FakeMultiParam(params)),
  41                                 FakeModelLayer(blobs))
  42         exp_res = {
  43             'type': 'FullyConnected',
  44             'out-size': 10,
  45             'infer': caffe_inner_product,
  46             'weights': mean_blob,
  47             'biases': variance_blob,
  48             'embedded_inputs': [
  49                 (1, 'weights', {
  50                     'bin': 'weights'
  51                 }),
  52                 (2, 'biases', {
  53                     'bin': 'biases'
  54                 })
  55             ]
  56         }
  57         for i in exp_res:
  58             if i in ('weights', 'biases'):
  59                 np.testing.assert_array_equal(res[i], exp_res[i])
  60             else:
  61                 self.assertEqual(res[i], exp_res[i])