model-optimizer/mo/front/kaldi/extractors/convolutional_1d_component_ext.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 numpy as np
  17
  18 from mo.front.caffe.extractors.utils import embed_input
  19 from mo.front.common.extractors.utils import layout_attrs
  20 from mo.front.extractor import FrontExtractorOp
  21 from mo.front.kaldi.loader.utils import read_token_value, collect_until_whitespace, find_next_tag
  22 from mo.front.kaldi.utils import read_learning_info, read_binary_matrix, read_binary_vector
  23 from mo.graph.graph import Node
  24 from mo.ops.convolution import Convolution
  25 from mo.utils.error import Error
  26 from mo.utils.utils import refer_to_faq_msg
  27
  28
  29 class ConvolutionalComponentFrontExtractor(FrontExtractorOp):
  30     op = 'convolutional1dcomponent'  # Naming like in Kaldi
  31     enabled = True
  32
  33     @staticmethod
  34     def extract(node: Node) -> bool:
  35         """
  36         Extract conv parameters from node.parameters.
  37         node.parameters like file descriptor object.
  38         :param node: Convolution node
  39         :return:
  40         """
  41         pb = node.parameters
  42         read_learning_info(pb)
  43
  44         kernel = read_token_value(pb, b'<PatchDim>')
  45         stride = read_token_value(pb, b'<PatchStep>')
  46         patch_stride = read_token_value(pb, b'<PatchStride>')
  47
  48         token = find_next_tag(pb)
  49         if token == '<AppendedConv>':
  50             appended_conv = True
  51             token = find_next_tag(pb)
  52         if token != '<FilterParams>':
  53             raise Error('Can not load token {} from Kaldi model'.format(token) +
  54                         refer_to_faq_msg(94))
  55         collect_until_whitespace(pb)
  56         weights, weights_shape = read_binary_matrix(pb)
  57
  58         collect_until_whitespace(pb)
  59         biases = read_binary_vector(pb)
  60
  61         if (patch_stride - kernel) % stride != 0:
  62             raise Error(
  63                 'Kernel size and stride does not correspond to `patch_stride` attribute of Convolution layer. ' +
  64                 refer_to_faq_msg(93))
  65
  66         output = biases.shape[0]
  67         if weights_shape[0] != output:
  68             raise Error('Weights shape does not correspond to the `output` attribute of Convolution layer. ' +
  69                         refer_to_faq_msg(93))
  70
  71         mapping_rule = {
  72             'output': output,
  73             'patch_stride': patch_stride,
  74             'bias_term': None,
  75             'pad': np.array([[0, 0], [0, 0], [0, 0], [0, 0]], dtype=np.int64),
  76             'pad_spatial_shape': np.array([[0, 0], [0, 0]], dtype=np.int64),
  77             'dilation': np.array([1, 1, 1, 1], dtype=np.int64),
  78             'kernel': np.array([1, 1, 1, kernel], dtype=np.int64),
  79             'stride': np.array([1, 1, 1, stride], dtype=np.int64),
  80             'kernel_spatial': np.array([1, kernel], dtype=np.int64),
  81             'input_feature_channel': 1,
  82             'output_feature_channel': 0,
  83             'kernel_spatial_idx': [2, 3],
  84             'group': 1,
  85             'reshape_kernel': True,
  86             'appended_conv': appended_conv
  87         }
  88
  89         mapping_rule.update(layout_attrs())
  90         embed_input(mapping_rule, 1, 'weights', weights)
  91         embed_input(mapping_rule, 2, 'biases', biases)
  92
  93         mapping_rule['bias_addable'] = len(biases) > 0
  94
  95         Convolution.update_node_stat(node, mapping_rule)
  96         return __class__.enabled