tests/nnapi/specs/skip/V1_2/conv2d_per_channel.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 # TEST 1: No layout param specified
  17 i1 = Input("op1", "TENSOR_QUANT8_ASYMM", "{1, 3, 1, 2}, 0.5f, 128")
  18 f1 = Parameter("op2", "TENSOR_QUANT8_SYMM_PER_CHANNEL", "{3, 1, 1, 2}, 0.0f, 0",
  19                [1, 2, 1, 2, 1, 2], extraParams = SymmPerChannelQuantParams(channelDim=0, scales=[0.5, 0.75, 1.0]))
  20 b1 = Parameter("op3", "TENSOR_INT32", "{3}", [4, 4, 4])
  21 o1 = Output("op4", "TENSOR_QUANT8_ASYMM", "{1, 3, 1, 3}, 1.f, 128")
  22 Model().Operation("CONV_2D", i1, f1, b1, 0, 0, 0, 0, 1, 1, 0).To(o1)
  23
  24 # Instantiate an example
  25 Example({
  26     i1: [138, 138, 138, 138, 138, 138],
  27     o1: [137, 141, 145, 137, 141, 145, 137, 141, 145]
  28 }).AddInput(f1, b1)
  29
  30 # TEST 2: layout param, NHWC/NCHW layouts
  31 layout = BoolScalar("layout", False) # NHWC
  32 i2 = Input("op1", "TENSOR_QUANT8_ASYMM", "{1, 3, 1, 2}, 0.5f, 128")
  33 f2 = Parameter("op2", "TENSOR_QUANT8_SYMM_PER_CHANNEL", "{3, 1, 1, 2}, 0.0f, 0",
  34                [1, 2, 1, 2, 1, 2], extraParams = SymmPerChannelQuantParams(channelDim=0, scales=[0.5, 0.75, 1.0]))
  35 b2 = Parameter("op3", "TENSOR_INT32", "{3}", [4, 4, 4])
  36 o2 = Output("op4", "TENSOR_QUANT8_ASYMM", "{1, 3, 1, 3}, 1.f, 128")
  37 Model("layouts").Operation("CONV_2D", i2, f2, b2, 0, 0, 0, 0, 1, 1, 0, layout).To(o2)
  38
  39 # Instantiate an example
  40 Example({
  41     i2: [138, 108, 138, 108, 138, 108],
  42     o2: [121, 118, 115, 121, 118, 115, 121, 118, 115]
  43 }).AddNchw(i2, o2, layout).AddInput(f2, b2)
  44
  45 # TEST 3: zero-sized input
  46
  47 # Use BOX_WITH_NMS_LIMIT op to generate a zero-sized internal tensor for box cooridnates.
  48 p1 = Parameter("scores", "TENSOR_QUANT8_ASYMM", "{1, 2}, 0.1f, 128", [137, 129]) # scores
  49 p2 = Parameter("roi", "TENSOR_QUANT16_ASYMM", "{1, 8}, 0.125f, 0", [1, 1, 10, 10, 0, 0, 10, 10]) # roi
  50 o1 = Output("scoresOut", "TENSOR_QUANT8_ASYMM", "{0}, 0.1f, 128") # scores out
  51 o2 = Output("classesOut", "TENSOR_INT32", "{0}") # classes out
  52 tmp1 = Internal("roiOut", "TENSOR_QUANT16_ASYMM", "{0, 4}, 0.125f, 0") # roi out
  53 tmp2 = Internal("batchSplitOut", "TENSOR_INT32", "{0}") # batch split out
  54 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)
  55
  56 # Use ROI_ALIGN op to convert into zero-sized feature map.
  57 i1 = Input("in", "TENSOR_QUANT8_ASYMM", "{1, 1, 1, 2}, 0.5f, 128")
  58 zero_sized = Internal("featureMap", "TENSOR_QUANT8_ASYMM", "{0, 2, 2, 2}, 0.5f, 128")
  59 model = model.Operation("ROI_ALIGN", i1, tmp1, tmp2, 2, 2, 2.0, 2.0, 4, 4, layout).To(zero_sized)
  60
  61 # CONV_2D op with numBatches = 0.
  62 w = Parameter("weights", "TENSOR_QUANT8_SYMM_PER_CHANNEL", "{3, 1, 1, 2}, 0.0f, 0",
  63               [1, 2, 1, 2, 1, 2], extraParams = SymmPerChannelQuantParams(channelDim=0, scales=[0.5, 0.75, 1.0]))
  64 b = Parameter("bias", "TENSOR_INT32", "{3}", [4, 4, 4])
  65 o3 = Output("out", "TENSOR_QUANT8_ASYMM", "{0, 2, 2, 3}, 1.f, 128") # out
  66 model = model.Operation("CONV_2D", zero_sized, w, b, 0, 0, 0, 0, 1, 1, 0, layout).To(o3)
  67
  68 # Create test case with dummy values.
  69 Example({
  70     i1: [130, 130],
  71     o1: [0],
  72     o2: [0],
  73     o3: [0],
  74 }).AddNchw(i1, zero_sized, o3, layout)