model-optimizer/mo/front/common/partial_infer/range.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 import logging as log
  17 import numpy as np
  18 from mo.front.tf.extractors.utils import tf_dtype_extractor
  19
  20
  21 def tf_range_infer(node):
  22     start = node.in_node(0)
  23     limit = node.in_node(1)
  24     delta = node.in_node(2)
  25     output = node.out_node()
  26
  27     if not start.has_valid('value') or not limit.has_valid('value') or not delta.has_valid('value'):
  28         log.error("Range operation is supported with constant inputs only")
  29         return
  30     if 'type' in node.pb.attr:
  31         result_data_type = tf_dtype_extractor(node.pb.attr["type"].type)
  32     else:
  33         result_data_type = start.value.dtype
  34     output.value = np.arange(start.value, limit.value, delta.value, dtype=result_data_type)
  35     output.shape = np.array(output.value.shape, dtype=np.int64)
  36
  37     # Some notes on the automatic result data type infer. The tf.range does is differently than np.arange. Numpy
  38     # by default creates array with elements of type int64 and float64, but TF does not widen data types and keep them
  39     # int32 and float32.
  40     # Compare:
  41
  42     # >>> tf.range(1, 5, 0.5)
  43     # <tf.Tensor 'range_1:0' shape = (8,) dtype = float32>
  44     # >>> tf.range(1, 5, 2)
  45     # <tf.Tensor 'range_2:0' shape = (2,) dtype = int32>
  46
  47     # >>> np.array([0.5], dtype=np.float32)
  48     # array([0.5], dtype=float32)
  49     # >>> np.arange(np.array([1], dtype=np.int32), np.array([5], dtype=np.int32), np.array([2], dtype=np.int32)).dtype
  50     # dtype('int64')
  51     # >>> np.arange(np.array([1], dtype=np.int32), np.array([5], dtype=np.int32), np.array([0.5], dtype=np.float32)).dtype
  52     # dtype('float64')