model-optimizer/mo/ops/tile.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 logging as log
  18 import numpy as np
  19
  20 from mo.graph.graph import Node, Graph
  21 from mo.ops.op import Op, PermuteAttrs
  22
  23
  24 class Tile(Op):
  25     op = 'Tile'
  26     enabled = True
  27
  28     def __init__(self, graph: Graph, attrs: dict):
  29         super().__init__(graph, {
  30             'kind': 'op',
  31             'type': __class__.op,
  32             'op': __class__.op,
  33             'in_ports_count': 1,
  34             'out_ports_count': 1,
  35             'infer': Tile.infer
  36         }, attrs)
  37
  38     def supported_attrs(self):
  39         return ['axis', 'tiles']
  40
  41     @staticmethod
  42     def infer(node: Node):
  43         shape = node.in_node().shape
  44         if shape is None:
  45             log.error("Undefined shape for the input tiles for the Tile operation '{}'.".format(node.node))
  46             return
  47         shape = np.copy(shape)
  48
  49         if len(node.in_nodes()) == 2:
  50             tile_array = node.in_node(1).value
  51             if tile_array is None:
  52                 log.error('A tile values are None for a node "{}".'.format(node.name))
  53                 return
  54             if len(shape) != len(tile_array):
  55                 log.error('Shape mismatch for a node "{}": {} vs {}.'.format(node.name, shape.shape, tile_array.shape))
  56                 return
  57             non_one_tile = np.argwhere(tile_array != 1)
  58             if len(non_one_tile) == 0:
  59                 log.info(
  60                     'Redundant "Tile" operation "{}" with tile values for all dimensions equal to 1.'.format(node.name))
  61                 node['axis'] = 0
  62                 node['tiles'] = 1
  63             elif len(non_one_tile) == 1:
  64                 node['axis'] = non_one_tile[0][0]
  65                 node['tiles'] = tile_array[node['axis']]
  66             else:
  67                 node['type'] = None
  68                 log.warning("Tile operation with more than one dimension not equal to 1 is not supported.")
  69                 # do not return here to allow infer shape and values for the constant propagation case
  70             node.graph.remove_edge(node.in_node(1).id, node.id)
  71         elif len(node.in_nodes()) == 1:  # case when tiled dimension and count are specified in node attributes
  72             if not node.has_valid('axis') or not node.has_valid('tiles'):
  73                 log.error('Mandatory attributes "axis" or "tiles" are not specified for a Tile node "{}"'.
  74                           format(node.name))
  75                 return
  76             tile_array = np.ones([len(shape)], dtype=np.int64)
  77             tile_array[node.axis] = node.tiles
  78         else:
  79             log.error('Unsupported number of input parameters to Tile node "{}"'.format(node.name))
  80             return
  81
  82         PermuteAttrs.create_permute_attrs(node, attrs=[('axis', 'input:0')])
  83         node.out_node().shape = shape * tile_array
  84         if node.in_node(0).value is not None:
  85             node.out_node().value = np.tile(node.in_node(0).value, tile_array)