model-optimizer/mo/front/caffe/extractors/scale.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.front.caffe.extractors.utils import embed_input, weights_biases
  20 from mo.front.common.partial_infer.elemental import copy_shape_infer
  21 from mo.utils.utils import NamedAttrsClass
  22
  23
  24 def scale_ext(pl, ml):
  25     param = pl.scale_param
  26     attrs = {
  27         'op': 'ScaleShift',
  28         'type': 'ScaleShift',
  29         'axis': param.axis,
  30         'infer': copy_shape_infer
  31     }
  32     if ml is None and len(pl.bottom) == 1:
  33         # default weights and biases for scale layer if the caffemodel file doesn't contain them
  34         ml = NamedAttrsClass({'blobs': np.array([NamedAttrsClass({'data': np.array([1])}),
  35                                                  NamedAttrsClass({'data': np.array([0])})])})
  36     # scale with 1 input and 1 or 2 blobs
  37     if ml and len(ml.blobs) != 0 and len(pl.bottom) == 1:
  38         attrs.update(weights_biases(param.bias_term, ml))
  39     # 2 inputs + bias
  40     elif len(pl.bottom) == 2 and param.bias_term:
  41         if ml is None or len(ml.blobs) == 0:
  42             # default bias for scale layer with 2 inputs if the caffemodel file doesn't contain them
  43             ml = NamedAttrsClass({'blobs': np.array([NamedAttrsClass({'data': np.array([0])})])})
  44
  45         embed_input(attrs, 1, 'biases', ml.blobs[0].data)
  46
  47     return attrs