tests/nnapi/specs/skip/V1_1/svdf_state_relaxed.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 batches = 2
  18 units = 4
  19 input_size = 3
  20 memory_size = 10
  21
  22 model = Model()
  23
  24 input = Input("input", "TENSOR_FLOAT32", "{%d, %d}" % (batches, input_size))
  25 weights_feature = Input("weights_feature", "TENSOR_FLOAT32", "{%d, %d}" % (units, input_size))
  26 weights_time = Input("weights_time", "TENSOR_FLOAT32", "{%d, %d}" % (units, memory_size))
  27 bias = Input("bias", "TENSOR_FLOAT32", "{%d}" % (units))
  28 state_in = Input("state_in", "TENSOR_FLOAT32", "{%d, %d}" % (batches, memory_size*units))
  29 rank_param = Int32Scalar("rank_param", 1)
  30 activation_param = Int32Scalar("activation_param", 0)
  31 state_out = Output("state_out", "TENSOR_FLOAT32", "{%d, %d}" % (batches, memory_size*units))
  32 output = Output("output", "TENSOR_FLOAT32", "{%d, %d}" % (batches, units))
  33
  34 model = model.Operation("SVDF", input, weights_feature, weights_time, bias, state_in,
  35                         rank_param, activation_param).To([state_out, output])
  36 model = model.RelaxedExecution(True)
  37
  38 input0 = {
  39     weights_feature: [
  40         -0.31930989, -0.36118156, 0.0079667, 0.37613347,
  41       0.22197971, 0.12416199, 0.27901134, 0.27557442,
  42       0.3905206, -0.36137494, -0.06634006, -0.10640851
  43     ],
  44     weights_time: [
  45         -0.31930989, 0.37613347,  0.27901134,  -0.36137494, -0.36118156,
  46       0.22197971,  0.27557442,  -0.06634006, 0.0079667,   0.12416199,
  47
  48        0.3905206,   -0.10640851, -0.0976817,  0.15294972,  0.39635518,
  49       -0.02702999, 0.39296314,  0.15785322,  0.21931258,  0.31053296,
  50
  51        -0.36916667, 0.38031587,  -0.21580373, 0.27072677,  0.23622236,
  52       0.34936687,  0.18174365,  0.35907319,  -0.17493086, 0.324846,
  53
  54        -0.10781813, 0.27201805,  0.14324132,  -0.23681851, -0.27115166,
  55       -0.01580888, -0.14943552, 0.15465137,  0.09784451,  -0.0337657
  56     ],
  57     bias: [],
  58 }
  59
  60 input0[input] = [
  61   0.14278367,  -1.64410412, -0.75222826,
  62   0.14278367,  -1.64410412, -0.75222826,
  63 ]
  64 input0[state_in]  = [
  65   0, 0, 0, 0,
  66   0, 0, 0, 0,
  67   0.119996, 0, 0, 0,
  68   0, 0, 0, 0,
  69   0, 0, -0.166701, 0,
  70   0, 0, 0, 0,
  71   0, 0, 0, 0,
  72   -0.44244, 0, 0, 0,
  73   0, 0, 0, 0,
  74   0, 0, 0.0805206, 0,
  75   0, 0, 0, 0,
  76   0, 0, 0, 0,
  77   0.119996, 0, 0, 0,
  78   0, 0, 0, 0,
  79   0, 0, -0.166701, 0,
  80   0, 0, 0, 0,
  81   0, 0, 0, 0,
  82   -0.44244, 0, 0, 0,
  83   0, 0, 0, 0,
  84   0, 0, 0.0805206, 0,
  85 ]
  86 output0 = {
  87     state_out : [
  88   0, 0, 0, 0,
  89   0, 0, 0, 0.119996,
  90   0.542235, 0, 0, 0,
  91   0, 0, 0, 0,
  92   0, -0.166701, -0.40465, 0,
  93   0, 0, 0, 0,
  94   0, 0, 0, -0.44244,
  95   -0.706995, 0, 0, 0,
  96   0, 0, 0, 0,
  97   0, 0.0805206, 0.137515, 0,
  98   0, 0, 0, 0,
  99   0, 0, 0, 0.119996,
 100   0.542235, 0, 0, 0,
 101   0, 0, 0, 0,
 102   0, -0.166701, -0.40465, 0,
 103   0, 0, 0, 0,
 104   0, 0, 0, -0.44244,
 105   -0.706995, 0, 0, 0,
 106   0, 0, 0, 0,
 107   0, 0.0805206, 0.137515, 0,
 108     ],
 109     output : [
 110   0.068281,    -0.162217,  -0.152268, 0.00323521,
 111   0.068281,    -0.162217,  -0.152268, 0.00323521,
 112     ]
 113 }
 114
 115 Example((input0, output0))