runtime/onert/core/src/backend/controlflow/KernelGenerator.cc

   1 /*
   2  * Copyright (c) 2020 Samsung Electronics Co., Ltd. All Rights Reserved
   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 #include "KernelGenerator.h"
  18
  19 #include <backend/BackendContext.h>
  20 #include <util/Utils.h>
  21 #include "kernel/IfLayer.h"
  22 #include "kernel/WhileLayer.h"
  23 #include "kernel/PermuteLayer.h"
  24 #include "exec/ExecutorBase.h"
  25 #include "exec/FunctionSequence.h"
  26
  27 namespace onert
  28 {
  29 namespace backend
  30 {
  31 namespace controlflow
  32 {
  33
  34 KernelGenerator::KernelGenerator(const ir::Graph &graph, IDynamicTensorManager *dyn_tensor_manager,
  35                                  const std::shared_ptr<TensorRegistry> &tensor_reg,
  36                                  const std::shared_ptr<ExternalContext> &external_context)
  37     : _graph{graph}, _dyn_tensor_manager{dyn_tensor_manager}, _tensor_reg{tensor_reg},
  38       _tensor_registries{}, _executor_map{nullptr}, _external_context{external_context}
  39 {
  40   UNUSED_RELEASE(_graph);
  41   UNUSED_RELEASE(_tensor_registries);
  42   UNUSED_RELEASE(_executor_map);
  43 }
  44
  45 void KernelGenerator::visit(const ir::OpSequence &op_seq)
  46 {
  47   assert(!_return_fn_seq);
  48   assert(_dyn_tensor_manager);
  49   assert(_tensor_reg);
  50
  51   auto dyn_shape_inferer =
  52       std::make_unique<exec::DynamicShapeInferer>(_graph.operands(), _tensor_reg);
  53
  54   _return_fn_seq = std::make_unique<exec::FunctionSequence>();
  55
  56   // Prepare to handle dynamic tensors later
  57   auto dyn_ctx = std::make_shared<exec::FunctionSequence::DynamicTensorCtx>();
  58   {
  59     dyn_ctx->op_seq = &op_seq;
  60     dyn_ctx->operations = &_graph.operations();
  61     dyn_ctx->dynamic_shape_inferer = std::move(dyn_shape_inferer);
  62     dyn_ctx->dynamic_tensor_manager = _dyn_tensor_manager;
  63
  64     _return_fn_seq->dynamic_tensor_ctx(dyn_ctx);
  65   }
  66
  67   for (const auto &op_idx : op_seq.operations())
  68   {
  69     const auto &node = _graph.operations().at(op_idx);
  70     node.accept(*this);
  71     _return_fn_seq->append(releaseFunction());
  72   }
  73 }
  74
  75 void KernelGenerator::visit(const ir::operation::If &node)
  76 {
  77   const auto then_subg_index = node.param().then_subg_index;
  78   const auto else_subg_index = node.param().else_subg_index;
  79
  80   std::vector<backend::ITensor *> input_tensors;
  81   for (const auto input_index : node.getInputs())
  82   {
  83     auto input_tensor = getTensor(input_index);
  84
  85     input_tensors.emplace_back(input_tensor);
  86   }
  87
  88   std::vector<backend::ITensor *> output_tensors;
  89   for (const auto output_index : node.getOutputs())
  90   {
  91     auto output_tensor = getTensor(output_index);
  92     output_tensors.emplace_back(output_tensor);
  93   }
  94
  95   // IfLayer just set ExecutorMap instead of then and else executor to avoid complexity of
  96   // creating executor recusively
  97   const auto cond_tensor = input_tensors.front();
  98   input_tensors.erase(input_tensors.begin());
  99   auto fn = std::make_unique<::onert::backend::controlflow::kernel::IfLayer>(
 100       cond_tensor, input_tensors, output_tensors, node.getOutputs(), _graph, then_subg_index,
 101       else_subg_index, _executor_map, _external_context);
 102
 103   _return_fn = std::move(fn);
 104 }
 105
 106 void KernelGenerator::visit(const ir::operation::Permute &node)
 107 {
 108   const auto output_index{node.getOutputs().at(0)};
 109   const auto input_index{node.getInputs().at(0)};
 110
 111   // Add PermuteLayer
 112   std::vector<ITensor *> output_tensors{getTensor(output_index)};
 113   std::vector<ITensor *> input_tensors{getTensor(input_index)};
 114
 115   auto fn =
 116       std::make_unique<kernel::PermuteLayer>(input_tensors, output_tensors, _external_context);
 117   _return_fn = std::move(fn);
 118 }
 119
 120 void KernelGenerator::visit(const ir::operation::While &node)
 121 {
 122   const auto cond_subg_index = node.param().cond_subg_index;
 123   const auto body_subg_index = node.param().body_subg_index;
 124
 125   // This op does not support input as a constant, because controlflow backend does not have
 126   // TensorBuilder
 127   std::vector<backend::ITensor *> input_tensors;
 128   for (const auto input_index : node.getInputs())
 129   {
 130     auto input_tensor = getTensor(input_index);
 131
 132     input_tensors.emplace_back(input_tensor);
 133   }
 134
 135   std::vector<backend::ITensor *> output_tensors;
 136   for (const auto output_index : node.getOutputs())
 137   {
 138     auto output_tensor = getTensor(output_index);
 139     output_tensors.emplace_back(output_tensor);
 140   }
 141
 142   // WhileLayer just set ExecutorMap instead of cond and body executor to avoid complexity of
 143   // creating executor recusively
 144   auto fn = std::make_unique<::onert::backend::controlflow::kernel::WhileLayer>(
 145       input_tensors, output_tensors, node.getOutputs(), _graph, cond_subg_index, body_subg_index,
 146       _executor_map, _external_context);
 147
 148   _return_fn = std::move(fn);
 149 }
 150
 151 backend::ITensor *KernelGenerator::getTensor(const ir::OperandIndex &index)
 152 {
 153   backend::ITensor *ret = _tensor_registries.getITensor(index);
 154   assert(ret != nullptr);
 155   return ret;
 156 }
 157
 158 } // namespace controlflow
 159 } // namespace backend
 160 } // namespace onert