tests/nnapi/specs/V1_0/rnn_state.mod.py

   1 #
   2 # Copyright (C) 2017 The Android Open Source Project
   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 batches = 2
  18 units = 16
  19 input_size = 8
  20
  21 model = Model()
  22
  23 input = Input("input", "TENSOR_FLOAT32", "{%d, %d}" % (batches, input_size))
  24 weights = Input("weights", "TENSOR_FLOAT32", "{%d, %d}" % (units, input_size))
  25 recurrent_weights = Input("recurrent_weights", "TENSOR_FLOAT32", "{%d, %d}" % (units, units))
  26 bias = Input("bias", "TENSOR_FLOAT32", "{%d}" % (units))
  27 hidden_state_in = Input("hidden_state_in", "TENSOR_FLOAT32", "{%d, %d}" % (batches, units))
  28
  29 activation_param = Int32Scalar("activation_param", 1)  # Relu
  30
  31 hidden_state_out = IgnoredOutput("hidden_state_out", "TENSOR_FLOAT32", "{%d, %d}" % (batches, units))
  32 output = Output("output", "TENSOR_FLOAT32", "{%d, %d}" % (batches, units))
  33
  34 model = model.Operation("RNN", input, weights, recurrent_weights, bias, hidden_state_in,
  35                         activation_param).To([hidden_state_out, output])
  36
  37 input0 = {
  38     weights: [
  39         0.461459,    0.153381,   0.529743,    -0.00371218, 0.676267,   -0.211346,
  40        0.317493,    0.969689,   -0.343251,   0.186423,    0.398151,   0.152399,
  41        0.448504,    0.317662,   0.523556,    -0.323514,   0.480877,   0.333113,
  42        -0.757714,   -0.674487,  -0.643585,   0.217766,    -0.0251462, 0.79512,
  43        -0.595574,   -0.422444,  0.371572,    -0.452178,   -0.556069,  -0.482188,
  44        -0.685456,   -0.727851,  0.841829,    0.551535,    -0.232336,  0.729158,
  45        -0.00294906, -0.69754,   0.766073,    -0.178424,   0.369513,   -0.423241,
  46        0.548547,    -0.0152023, -0.757482,   -0.85491,    0.251331,   -0.989183,
  47        0.306261,    -0.340716,  0.886103,    -0.0726757,  -0.723523,  -0.784303,
  48        0.0354295,   0.566564,   -0.485469,   -0.620498,   0.832546,   0.697884,
  49        -0.279115,   0.294415,   -0.584313,   0.548772,    0.0648819,  0.968726,
  50        0.723834,    -0.0080452, -0.350386,   -0.272803,   0.115121,   -0.412644,
  51        -0.824713,   -0.992843,  -0.592904,   -0.417893,   0.863791,   -0.423461,
  52        -0.147601,   -0.770664,  -0.479006,   0.654782,    0.587314,   -0.639158,
  53        0.816969,    -0.337228,  0.659878,    0.73107,     0.754768,   -0.337042,
  54        0.0960841,   0.368357,   0.244191,    -0.817703,   -0.211223,  0.442012,
  55        0.37225,     -0.623598,  -0.405423,   0.455101,    0.673656,   -0.145345,
  56        -0.511346,   -0.901675,  -0.81252,    -0.127006,   0.809865,   -0.721884,
  57        0.636255,    0.868989,   -0.347973,   -0.10179,    -0.777449,  0.917274,
  58        0.819286,    0.206218,   -0.00785118, 0.167141,    0.45872,    0.972934,
  59        -0.276798,   0.837861,   0.747958,    -0.0151566,  -0.330057,  -0.469077,
  60        0.277308,    0.415818
  61     ],
  62     recurrent_weights: [
  63         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  64         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  65         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  66         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  67         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  68         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  69         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  70         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  71         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  72         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  73         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  74         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  75         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  76         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  77         0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
  78         0.1
  79     ],
  80     bias: [
  81         0.065691948, -0.69055247, 0.1107955, -0.97084129, -0.23957068,
  82         -0.23566568, -0.389184, 0.47481549, -0.4791103, 0.29931796,
  83         0.10463274, 0.83918178, 0.37197268, 0.61957061, 0.3956964,
  84         -0.37609905
  85     ],
  86 }
  87
  88 input0[input] = [
  89   -0.69424844, -0.93421471, -0.87287879, 0.37144363,
  90   -0.62476718, 0.23791671, 0.40060222, 0.1356622,
  91   -0.69424844, -0.93421471, -0.87287879, 0.37144363,
  92   -0.62476718, 0.23791671, 0.40060222, 0.1356622,
  93 ]
  94 input0[hidden_state_in] = [
  95   0.496726, 0, 0.965996, 0,
  96   0.0584256, 0, 0, 0.12315,
  97   0, 0, 0.612267, 0.456601,
  98   0, 0.52286, 1.16099, 0.0291233,
  99   0.496726, 0, 0.965996, 0,
 100   0.0584256, 0, 0, 0.12315,
 101   0, 0, 0.612267, 0.456601,
 102   0, 0.52286, 1.16099, 0.0291233,
 103 ]
 104 output0 = {
 105   hidden_state_out : [
 106   0, 0, 0.524902, 0,
 107   0, 0, 0, 1.02116,
 108   0, 1.35762, 0, 0.356909,
 109   0.436415, 0.0355731, 0, 0,
 110   0, 0, 0.524902, 0,
 111   0, 0, 0, 1.02116,
 112   0, 1.35762, 0, 0.356909,
 113   0.436415, 0.0355731, 0, 0,
 114   ]
 115 }
 116 output0[output] = [
 117   0,          0,          0.524901,  0,         0,         0,
 118   0,          1.02116,    0,         1.35762,   0,         0.356909,
 119   0.436415,   0.0355727,  0,         0,
 120
 121   0,          0,          0.524901,  0,         0,         0,
 122   0,          1.02116,    0,         1.35762,   0,         0.356909,
 123   0.436415,   0.0355727,  0,         0,
 124 ]
 125
 126 Example((input0, output0))