tests/nnapi/specs/V1_2/quantize.mod.py

   1 #
   2 # Copyright (C) 2018 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 import numpy as np
  18
  19 num_values = 300
  20 values = list(np.linspace(-10, 10, num_values))
  21
  22 for input_type in ["TENSOR_FLOAT32", "TENSOR_FLOAT16"]:
  23   for scale, offset in [(1.0, 0),
  24                         (1.0, 1),
  25                         (0.01, 120),
  26                         (10.0, 120)]:
  27     input0 = Input("input0", input_type, "{%d}" % num_values)
  28     output0 = Output("output0", input_type, "{%d}" % num_values)
  29
  30     model = Model().Operation("QUANTIZE", input0).To(output0)
  31
  32     quantizeOutput = DataTypeConverter().Identify({
  33         output0: ["TENSOR_QUANT8_ASYMM", scale, offset],
  34     })
  35
  36     Example({
  37         input0: values,
  38         output0: values,
  39     }).AddVariations(quantizeOutput, includeDefault=False)
  40
  41
  42 # Zero-sized input
  43
  44 # Use BOX_WITH_NMS_LIMIT op to generate a zero-sized internal tensor for box cooridnates.
  45 p1 = Parameter("scores", "TENSOR_FLOAT32", "{1, 2}", [0.90, 0.10]) # scores
  46 p2 = Parameter("roi", "TENSOR_FLOAT32", "{1, 8}", [1, 1, 10, 10, 0, 0, 10, 10]) # roi
  47 o1 = Output("scoresOut", "TENSOR_FLOAT32", "{0}") # scores out
  48 o2 = Output("classesOut", "TENSOR_INT32", "{0}") # classes out
  49 tmp1 = Internal("roiOut", "TENSOR_FLOAT32", "{0, 4}") # roi out
  50 tmp2 = Internal("batchSplitOut", "TENSOR_INT32", "{0}") # batch split out
  51 model = Model("zero_sized").Operation("BOX_WITH_NMS_LIMIT", p1, p2, [0], 0.3,  -1, 0, 0.4, 1.0, 0.3).To(o1, tmp1, o2, tmp2)
  52
  53 # Use ROI_ALIGN op to convert into zero-sized feature map.
  54 layout = BoolScalar("layout", False) # NHWC
  55 i1 = Input("in", "TENSOR_FLOAT32", "{1, 1, 1, 1}")
  56 zero_sized = Internal("featureMap", "TENSOR_FLOAT32", "{0, 2, 2, 1}")
  57 model = model.Operation("ROI_ALIGN", i1, tmp1, tmp2, 2, 2, 2.0, 2.0, 4, 4, layout).To(zero_sized)
  58
  59 # QUANTIZE op with numBatches = 0.
  60 o3 = Output("out", "TENSOR_QUANT8_ASYMM", "{0, 2, 2, 1}, 0.1f, 128") # out
  61 model = model.Operation("QUANTIZE", zero_sized).To(o3)
  62
  63 # Create test case with dummy values.
  64 Example({
  65     i1: [1],
  66     o1: [0],
  67     o2: [0],
  68     o3: [0],
  69 }).AddVariations("relaxed", "float16")