test/tizen_capi/unittest_tizen_capi_optimizer.cpp

   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  *   http://www.apache.org/licenses/LICENSE-2.0
   8  * Unless required by applicable law or agreed to in writing, software
   9  * distributed under the License is distributed on an "AS IS" BASIS,
  10  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  11  * See the License for the specific language governing permissions and
  12  * limitations under the License.
  13  */
  14 /**
  15  * @file        unittest_tizen_capi_optimizer.cpp
  16  * @date        12 May 2020
  17  * @brief       Unit test utility for optimizer.
  18  * @see         https://github.com/nnstreamer/nntrainer
  19  * @author      Jijoong Moon <jijoong.moon@samsung.com>
  20  * @bug         No known bugs
  21  */
  22 #include <gtest/gtest.h>
  23
  24 #include <nntrainer.h>
  25 #include <nntrainer_internal.h>
  26 #include <nntrainer_test_util.h>
  27
  28 /**
  29  * @brief Neural Network Optimizer Create / Delete Test (positive test)
  30  */
  31 TEST(nntrainer_capi_nnopt, create_delete_01_p) {
  32   ml_train_optimizer_h handle;
  33   int status;
  34   status = ml_train_optimizer_create(&handle, ML_TRAIN_OPTIMIZER_TYPE_SGD);
  35   EXPECT_EQ(status, ML_ERROR_NONE);
  36   status = ml_train_optimizer_destroy(handle);
  37   EXPECT_EQ(status, ML_ERROR_NONE);
  38 }
  39
  40 /**
  41  * @brief Neural Network Optimizer Create / Delete Test (positive test )
  42  */
  43 TEST(nntrainer_capi_nnopt, create_delete_02_p) {
  44   ml_train_optimizer_h handle;
  45   int status;
  46   status = ml_train_optimizer_create(&handle, ML_TRAIN_OPTIMIZER_TYPE_ADAM);
  47   EXPECT_EQ(status, ML_ERROR_NONE);
  48   status = ml_train_optimizer_destroy(handle);
  49   EXPECT_EQ(status, ML_ERROR_NONE);
  50 }
  51
  52 /**
  53  * @brief Neural Network Optimizer Create / Delete Test (negative test )
  54  */
  55 TEST(nntrainer_capi_nnopt, create_delete_03_n) {
  56   ml_train_optimizer_h handle = NULL;
  57   int status;
  58   status = ml_train_optimizer_destroy(handle);
  59   EXPECT_EQ(status, ML_ERROR_INVALID_PARAMETER);
  60 }
  61
  62 /**
  63  * @brief Neural Network Optimizer Create / Delete Test (positive test)
  64  */
  65 TEST(nntrainer_capi_nnopt, create_delete_04_n) {
  66   ml_train_optimizer_h handle;
  67   int status;
  68   status = ml_train_optimizer_create(&handle, ML_TRAIN_OPTIMIZER_TYPE_UNKNOWN);
  69   EXPECT_EQ(status, ML_ERROR_INVALID_PARAMETER);
  70 }
  71
  72 /**
  73  * @brief Neural Network Optimizer set Property Test (positive test)
  74  */
  75 TEST(nntrainer_capi_nnopt, setProperty_01_p) {
  76   ml_train_optimizer_h handle;
  77   int status;
  78   status = ml_train_optimizer_create(&handle, ML_TRAIN_OPTIMIZER_TYPE_ADAM);
  79   EXPECT_EQ(status, ML_ERROR_NONE);
  80   status =
  81     ml_train_optimizer_set_property(handle, "beta1=0.002", "beta2=0.001", NULL);
  82   EXPECT_EQ(status, ML_ERROR_NONE);
  83   status = ml_train_optimizer_destroy(handle);
  84   EXPECT_EQ(status, ML_ERROR_NONE);
  85 }
  86
  87 /**
  88  * @brief Neural Network Optimizer Set Property Test (positive test)
  89  */
  90 TEST(nntrainer_capi_nnopt, setProperty_02_p) {
  91   ml_train_optimizer_h handle;
  92   int status;
  93   status = ml_train_optimizer_create(&handle, ML_TRAIN_OPTIMIZER_TYPE_ADAM);
  94   EXPECT_EQ(status, ML_ERROR_NONE);
  95   status = ml_train_optimizer_set_property(
  96     handle, "learning_rate=0.0001 | decay_rate=0.96", "decay_steps=1000",
  97     "beta1=0.002", "beta2=0.001", "epsilon=1e-7", NULL);
  98   EXPECT_EQ(status, ML_ERROR_NONE);
  99   status = ml_train_optimizer_destroy(handle);
 100   EXPECT_EQ(status, ML_ERROR_NONE);
 101 }
 102
 103 /**
 104  * @brief Neural Network Optimizer Set Property Test (negative test)
 105  */
 106 TEST(nntrainer_capi_nnopt, setProperty_03_n) {
 107   ml_train_optimizer_h handle;
 108   int status;
 109   status = ml_train_optimizer_create(&handle, ML_TRAIN_OPTIMIZER_TYPE_ADAM);
 110   EXPECT_EQ(status, ML_ERROR_NONE);
 111   status =
 112     ml_train_optimizer_set_property(handle, "beta1=true", "beta2=0.001", NULL);
 113   EXPECT_EQ(status, ML_ERROR_INVALID_PARAMETER);
 114   status = ml_train_optimizer_destroy(handle);
 115   EXPECT_EQ(status, ML_ERROR_NONE);
 116 }
 117
 118 /**
 119  * @brief Neural Network Optimizer Set Property Test (negative test)
 120  */
 121 TEST(nntrainer_capi_nnopt, setProperty_04_n) {
 122   ml_train_optimizer_h handle = NULL;
 123   int status;
 124
 125   status = ml_train_optimizer_set_property(
 126     handle, "learning_rate=0.0001 | decay_rate=0.96", "decay_steps=1000",
 127     "beta1=0.002", "beta2=0.001", "epsilon=1e-7", NULL);
 128   EXPECT_EQ(status, ML_ERROR_INVALID_PARAMETER);
 129 }
 130
 131 /**
 132  * @brief Neural Network Optimizer Set Property Test (negative test)
 133  */
 134 TEST(nntrainer_capi_nnopt, setProperty_05_n) {
 135   ml_train_optimizer_h handle = NULL;
 136   int status;
 137   status = ml_train_optimizer_create(&handle, ML_TRAIN_OPTIMIZER_TYPE_ADAM);
 138   EXPECT_EQ(status, ML_ERROR_NONE);
 139   status = ml_train_optimizer_set_property(handle, "unknown=unknown", NULL);
 140   EXPECT_EQ(status, ML_ERROR_INVALID_PARAMETER);
 141 }
 142
 143 /**
 144  * @brief Neural Network Optimizer Set Property Test (positive test)
 145  */
 146 TEST(nntrainer_capi_nnopt, setProperty_with_single_param_01_p) {
 147   ml_train_optimizer_h handle;
 148   int status;
 149   status = ml_train_optimizer_create(&handle, ML_TRAIN_OPTIMIZER_TYPE_ADAM);
 150   EXPECT_EQ(status, ML_ERROR_NONE);
 151   status = ml_train_optimizer_set_property_with_single_param(
 152     handle, "beta1=0.002 | beta2=0.001 | epsilon=1e-7");
 153   EXPECT_EQ(status, ML_ERROR_NONE);
 154   status = ml_train_optimizer_destroy(handle);
 155   EXPECT_EQ(status, ML_ERROR_NONE);
 156 }
 157
 158 /**
 159  * @brief Neural Network Optimizer Set Property Test (negative test)
 160  */
 161 TEST(nntrainer_capi_nnopt, setProperty_with_single_param_02_n) {
 162   ml_train_optimizer_h handle;
 163   int status;
 164   status = ml_train_optimizer_create(&handle, ML_TRAIN_OPTIMIZER_TYPE_ADAM);
 165   EXPECT_EQ(status, ML_ERROR_NONE);
 166   status = ml_train_optimizer_set_property_with_single_param(
 167     handle, "beta1=0.002, beta2=0.001, epsilon=1e-7");
 168   EXPECT_EQ(status, ML_ERROR_INVALID_PARAMETER);
 169   status = ml_train_optimizer_destroy(handle);
 170   EXPECT_EQ(status, ML_ERROR_NONE);
 171 }
 172
 173 /**
 174  * @brief Neural Network Optimizer Set Property Test (negative test)
 175  */
 176 TEST(nntrainer_capi_nnopt, setProperty_with_single_param_03_n) {
 177   ml_train_optimizer_h handle;
 178   int status;
 179   status = ml_train_optimizer_create(&handle, ML_TRAIN_OPTIMIZER_TYPE_ADAM);
 180   EXPECT_EQ(status, ML_ERROR_NONE);
 181   status = ml_train_optimizer_set_property_with_single_param(
 182     handle, "beta1=0.002 ! beta2=0.001 ! epsilon=1e-7");
 183   EXPECT_EQ(status, ML_ERROR_INVALID_PARAMETER);
 184   status = ml_train_optimizer_destroy(handle);
 185   EXPECT_EQ(status, ML_ERROR_NONE);
 186 }
 187
 188 /**
 189  * @brief Main gtest
 190  */
 191 int main(int argc, char **argv) {
 192   int result = -1;
 193
 194   try {
 195     testing::InitGoogleTest(&argc, argv);
 196   } catch (...) {
 197     std::cerr << "Error duing IniGoogleTest" << std::endl;
 198     return 0;
 199   }
 200
 201   /** ignore tizen feature check while running the testcases */
 202   set_feature_state(ML_FEATURE, SUPPORTED);
 203   set_feature_state(ML_FEATURE_INFERENCE, SUPPORTED);
 204   set_feature_state(ML_FEATURE_TRAINING, SUPPORTED);
 205
 206   try {
 207     result = RUN_ALL_TESTS();
 208   } catch (...) {
 209     std::cerr << "Error duing RUN_ALL_TSETS()" << std::endl;
 210   }
 211
 212   /** reset tizen feature check state */
 213   set_feature_state(ML_FEATURE, NOT_CHECKED_YET);
 214   set_feature_state(ML_FEATURE_INFERENCE, NOT_CHECKED_YET);
 215   set_feature_state(ML_FEATURE_TRAINING, NOT_CHECKED_YET);
 216
 217   return result;
 218 }