model-optimizer/mo/front/kaldi/extractors/max_pooling_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.common.extractors.utils import layout_attrs
  19 from mo.front.extractor import FrontExtractorOp
  20 from mo.front.kaldi.loader.utils import read_token_value, collect_until_whitespace, collect_until_token, \
  21     read_binary_integer32_token, find_next_tag, read_placeholder
  22 from mo.ops.pooling import Pooling
  23 from mo.utils.error import Error
  24
  25
  26 class MaxPoolingComponentFrontExtractor(FrontExtractorOp):
  27     op = 'maxpoolingcomponent'
  28     enabled = True
  29
  30     @staticmethod
  31     def extract(node):
  32         pb = node.parameters
  33         collect_until_token(pb, b'<PoolSize>')
  34         kernel = read_binary_integer32_token(pb)
  35         tag = find_next_tag(pb)
  36         if tag == '<PoolStep>':
  37             read_placeholder(pb, 1)
  38             stride = read_binary_integer32_token(pb)
  39             pool_step = stride
  40             pool_stride = read_token_value(pb, b'<PoolStride>')
  41         elif tag == '<PoolStride>':
  42             stride = 1
  43             pool_step = None
  44             read_placeholder(pb, 1)
  45             pool_stride = read_binary_integer32_token(pb)
  46         else:
  47             raise Error('Can not extract parameters for {}'.format(node))
  48
  49         mapping_rule = {
  50             'window': np.array([1, 1, 1, kernel], dtype=np.int64),
  51             'stride': np.array([1, 1, stride, stride], dtype=np.int64),
  52             'pool_stride': pool_stride,
  53             'pool_step': pool_step,
  54             'pad': np.array([[0, 0], [0, 0], [0, 0], [0, 0]], dtype=np.int64),
  55             'pad_spatial_shape': np.array([[0, 0], [0, 0]], dtype=np.int64),
  56             'pool_method': 'max',
  57         }
  58         mapping_rule.update(layout_attrs())
  59         Pooling.update_node_stat(node, mapping_rule)
  60         return __class__.enabled