model-optimizer/mo/front/caffe/extractors/utils_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 from unittest.mock import patch, call
  19
  20 import numpy as np
  21
  22 from mo.front.caffe.extractors.utils import weights_biases, embed_input, get_canonical_axis_index
  23 from mo.utils.unittest.extractors import FakeModelLayer
  24
  25
  26 class TestWeightsBiases(unittest.TestCase):
  27     def test_weights_biases_no_layer_no_bias(self):
  28         res = weights_biases(False, None)
  29         self.assertEqual(res, {})
  30
  31     @patch('mo.front.caffe.extractors.utils.embed_input')
  32     def test_weights_biases_layer_no_bias(self, embed_input_mock):
  33         weights_biases(False, FakeModelLayer([[1, 2], ]))
  34         calls = [call({}, 1, 'weights', [1, 2])]
  35         embed_input_mock.assert_has_calls(calls)
  36
  37     @patch('mo.front.caffe.extractors.utils.embed_input')
  38     def test_weights_biases_layer_bias(self, embed_input_mock):
  39         weights_biases(True, FakeModelLayer([[1, 2], [3, 4]]))
  40         calls = [call({}, 1, 'weights', [1, 2]), call({}, 2, 'biases', [3, 4])]
  41         embed_input_mock.assert_has_calls(calls)
  42
  43
  44 class TestEmbedInput(unittest.TestCase):
  45     def test_embed_input_no_bin_name_no_bias(self):
  46         attrs = {}
  47         blob = np.array([1, 2])
  48         name = 'weights'
  49         embed_input(attrs, 1, name, blob, None)
  50         exp_res = {
  51             'weights': blob,
  52             'embedded_inputs': [
  53                 (1, name, {'bin': name})
  54             ]
  55         }
  56         for key in exp_res.keys():
  57             if key == name:
  58                 np.testing.assert_equal(attrs[key], exp_res[key])
  59             else:
  60                 self.assertEqual(attrs[key], exp_res[key])
  61
  62     def test_embed_input_w_bin_name(self):
  63         attrs = {}
  64         blob = np.array([1, 2])
  65         name = 'weights'
  66         embed_input(attrs, 1, name, blob, 'special_name')
  67         exp_res = {
  68             'weights': blob,
  69             'embedded_inputs': [
  70                 (1, name, {'bin': 'special_name'})
  71             ]
  72         }
  73         for key in exp_res.keys():
  74             if key == name:
  75                 np.testing.assert_equal(attrs[key], exp_res[key])
  76             else:
  77                 self.assertEqual(attrs[key], exp_res[key])
  78
  79
  80 class TestCanonicalAxisIndex(unittest.TestCase):
  81     def test_negative_index(self):
  82         shape = [1, 2, 3, 4]
  83         inds = [-4, -3, -2, -1]
  84         expected_inds = [0, 1, 2, 3]
  85         for i in range(len(inds)):
  86             assert get_canonical_axis_index(shape, inds[i]) == expected_inds[i]
  87
  88     def test_posirive_index(self):
  89         shape = [1, 2, 3, 4]
  90         inds = [0, 1, 2, 3]
  91         expected_inds = [0, 1, 2, 3]
  92         for i in range(len(inds)):
  93             assert get_canonical_axis_index(shape, inds[i]) == expected_inds[i]