onert-micro/luci-interpreter/src/kernels/Slice.cpp

   1 /*
   2  * Copyright (c) 2020 Samsung Electronics Co., Ltd. All Rights Reserved
   3  * Copyright 2019 The TensorFlow Authors. All Rights Reserved.
   4  *
   5  * Licensed under the Apache License, Version 2.0 (the "License");
   6  * you may not use this file except in compliance with the License.
   7  * You may obtain a copy of the License at
   8  *
   9  *    http://www.apache.org/licenses/LICENSE-2.0
  10  *
  11  * Unless required by applicable law or agreed to in writing, software
  12  * distributed under the License is distributed on an "AS IS" BASIS,
  13  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  14  * See the License for the specific language governing permissions and
  15  * limitations under the License.
  16  */
  17
  18 #include "kernels/Slice.h"
  19 #include "Utils.h"
  20 #include "PALSlice.h"
  21
  22 #include <cassert>
  23 #include <cstring>
  24
  25 namespace luci_interpreter
  26 {
  27
  28 namespace kernels
  29 {
  30 const int max_dim = 4;
  31
  32 Slice::Slice(const Tensor *input, const Tensor *begin, const Tensor *size, Tensor *output)
  33   : Kernel({input, begin, size}, {output})
  34 {
  35 }
  36
  37 template <typename T>
  38 Shape calculateOutputShape(const Tensor *input, const Tensor *begin, const Tensor *size)
  39 {
  40   Shape output_shape = Shape(input->shape().num_dims());
  41   for (int idx = 0; idx < input->shape().num_dims(); idx++)
  42   {
  43     T size_value = getTensorData<T>(size)[idx];
  44     if (size_value < 0)
  45     {
  46       if (size_value != -1)
  47       {
  48         assert(false && "Invalid size.");
  49       }
  50       size_value = input->shape().dim(idx) - getTensorData<T>(begin)[idx];
  51     }
  52     else
  53     {
  54       if (input->shape().dim(idx) < getTensorData<T>(begin)[idx] + size_value)
  55       {
  56         assert(false && "Invalid begin and size.");
  57       }
  58     }
  59     output_shape.dim(idx) = static_cast<int>(size_value);
  60   }
  61   return output_shape;
  62 }
  63
  64 template <typename T>
  65 void getBeginAndSizeVectors(int dimensions, const Tensor *begin, const Tensor *size,
  66                             std::vector<int> *begins, std::vector<int> *sizes)
  67 {
  68   for (int idx = dimensions - 1; idx >= 0; --idx)
  69   {
  70     begins->push_back(getTensorData<T>(begin)[idx]);
  71     sizes->push_back(getTensorData<T>(size)[idx]);
  72   }
  73 }
  74
  75 void Slice::configure()
  76 {
  77   assert(input()->element_type() == output()->element_type());
  78   assert(begin()->element_type() == DataType::S32 || begin()->element_type() == DataType::S64);
  79   assert(size()->element_type() == DataType::S32 || size()->element_type() == DataType::S64);
  80   assert(begin()->shape().num_dims() == 1);
  81   assert(size()->shape().num_dims() == 1);
  82   assert(input()->shape().num_dims() <= max_dim);
  83   // TODO: enable it only if kernel with dynamic shapes
  84   if (begin()->element_type() == DataType::S32)
  85   {
  86     output()->resize(calculateOutputShape<int32_t>(input(), begin(), size()));
  87   }
  88   else if (begin()->element_type() == DataType::S64)
  89   {
  90     output()->resize(calculateOutputShape<int64_t>(input(), begin(), size()));
  91   }
  92   else
  93   {
  94     assert(false && "Unsupported type.");
  95   }
  96 }
  97
  98 void Slice::execute() const
  99 {
 100   std::vector<int> begins;
 101   begins.reserve(max_dim);
 102   std::vector<int> sizes;
 103   sizes.reserve(max_dim);
 104   if (begin()->element_type() == DataType::S32)
 105   {
 106     getBeginAndSizeVectors<int32_t>(input()->shape().num_dims(), begin(), size(), &begins, &sizes);
 107   }
 108   else if (begin()->element_type() == DataType::S64)
 109   {
 110     getBeginAndSizeVectors<int64_t>(input()->shape().num_dims(), begin(), size(), &begins, &sizes);
 111   }
 112   else
 113   {
 114     assert(false && "Unsupported begin type.");
 115   }
 116   for (int i = input()->shape().num_dims(); i < max_dim; ++i)
 117   {
 118     begins.push_back(0);
 119     sizes.push_back(1);
 120   }
 121
 122   assert(begins.size() == 4);
 123   assert(sizes.size() == 4);
 124   tflite::SliceParams op_params{};
 125   op_params.begin_count = 4;
 126   op_params.size_count = 4;
 127   for (int i = 0; i < 4; i++)
 128   {
 129     op_params.begin[i] = begins[3 - i];
 130     op_params.size[i] = sizes[3 - i];
 131   }
 132   switch (input()->element_type())
 133   {
 134     case DataType::FLOAT32:
 135       luci_interpreter_pal::Slice(op_params, getTensorShape(input()), getTensorData<float>(input()),
 136                                   getTensorShape(output()), getTensorData<float>(output()));
 137       break;
 138     case DataType::U8:
 139       luci_interpreter_pal::Slice(op_params, getTensorShape(input()),
 140                                   getTensorData<uint8_t>(input()), getTensorShape(output()),
 141                                   getTensorData<uint8_t>(output()));
 142       break;
 143     case DataType::S8:
 144       luci_interpreter_pal::Slice(op_params, getTensorShape(input()),
 145                                   getTensorData<int8_t>(input()), getTensorShape(output()),
 146                                   getTensorData<int8_t>(output()));
 147       break;
 148     default:
 149       assert(false && "Unsupported input type.");
 150   }
 151 }
 152
 153 } // namespace kernels
 154 } // namespace luci_interpreter