tests/nnapi/specs/V1_2/logical_or_dynamic_nnfw.py

   1 #
   2 # Copyright (C) 2018 The Android Open Source Project
   3 # Copyright (c) 2020 Samsung Electronics Co., Ltd. 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 # refer to tanh_v1_dynamic.mod.py about the structore
  19
  20 # This adds reshape as the first op in a model and
  21 # returns output of reshape, which is dynamic tensor
  22
  23
  24 import dynamic_tensor
  25
  26 model = Model()
  27
  28 model_input_shape = [2, 1, 2, 2]
  29
  30 dynamic_layer = dynamic_tensor.DynamicInputGenerator(model, model_input_shape, "TENSOR_BOOL8")
  31
  32 test_node_input = dynamic_layer.getTestNodeInput()
  33
  34 # model
  35 i2 = Input("op2", "TENSOR_BOOL8", "{2, 1, 2, 2}")
  36 t1 = Internal("op3", "TENSOR_BOOL8", "{}") # result of first LOGICAL_OR
  37 act = Int32Scalar("act", 0) # scalar activation
  38 o1 = Output("op3", "TENSOR_BOOL8", "{2, 1, 2, 2}")
  39
  40 model = model.Operation("LOGICAL_OR", test_node_input, i2, act).To(t1) # first add
  41 model = model.Operation("LOGICAL_OR", t1, i2, act).To(o1)              # second add
  42
  43 model_input1_data = [False, False, True, True, False, True, False, True]
  44 model_input2_data = [False, True, False, True, False, False, True, True]
  45 model_output_data = [False, True, True, True, False, True, True, True]
  46
  47 Example({
  48     dynamic_layer.getModelInput(): model_input1_data,
  49     dynamic_layer.getShapeInput(): model_input1_shape,
  50     i2 : model_input2_data,
  51
  52     model_output: model_output_data,
  53 })