tests/nnapi/specs/skip/V1_2/dequantize_v1_2.mod.py

   1 #
   2 # Copyright (C) 2019 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
  18 def test(name, input0, output0, input0_data, output0_data):
  19   model = Model().Operation("DEQUANTIZE", input0).To(output0)
  20   example = Example({
  21       input0: input0_data,
  22       output0: output0_data,
  23   },
  24                     model=model,
  25                     name=name).AddVariations("relaxed", "float16")
  26
  27
  28 test(
  29     name="1d_quant8_asymm",
  30     input0=Input("input0", "TENSOR_QUANT8_ASYMM", "{10}, 0.5, 127"),
  31     output0=Output("output0", "TENSOR_FLOAT32", "{10}"),
  32     input0_data=[0, 1, 2, 3, 4, 251, 252, 253, 254, 255],
  33     output0_data=[-63.5, -63, -62.5, -62, -61.5, 62, 62.5, 63, 63.5, 64],
  34 )
  35
  36 test(
  37     name="2d_quant8_asymm",
  38     input0=Input("input0", "TENSOR_QUANT8_ASYMM", "{2, 5}, 0.5, 127"),
  39     output0=Output("output0", "TENSOR_FLOAT32", "{2, 5}"),
  40     input0_data=[0, 1, 2, 3, 4, 251, 252, 253, 254, 255],
  41     output0_data=[-63.5, -63, -62.5, -62, -61.5, 62, 62.5, 63, 63.5, 64],
  42 )
  43
  44 test(
  45     name="3d_quant8_symm",
  46     input0=Input("input0", "TENSOR_QUANT8_SYMM", "{2, 2, 2}, 0.5, 0"),
  47     output0=Output("output0", "TENSOR_FLOAT32", "{2, 2, 2}"),
  48     input0_data=[-128, -127, -126, -125, 124, 125, 126, 127],
  49     output0_data=[-64, -63.5, -63, -62.5, 62, 62.5, 63, 63.5],
  50 )
  51
  52 test(
  53     name="4d_quant8_symm",
  54     input0=Input("input0", "TENSOR_QUANT8_SYMM", "{2, 1, 2, 2}, 0.5, 0"),
  55     output0=Output("output0", "TENSOR_FLOAT32", "{2, 1, 2, 2}"),
  56     input0_data=[-128, -127, -126, -125, 124, 125, 126, 127],
  57     output0_data=[-64, -63.5, -63, -62.5, 62, 62.5, 63, 63.5],
  58 )
  59
  60 test(
  61     name="3d_per_channel_first_dim",
  62     input0=Input(
  63         "input0", ("TENSOR_QUANT8_SYMM_PER_CHANNEL", [2, 3, 4], 0, 0),
  64         extraParams=SymmPerChannelQuantParams(channelDim=0, scales=[2., 0.5])),
  65     output0=Output("output0", "TENSOR_FLOAT32", "{2, 3, 4}"),
  66     input0_data=[
  67         -128, -127, -126, -125, -124, -123, -122, -121, -120, -119, -118, -117,
  68         116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127
  69     ],
  70     output0_data=[
  71         -256, -254, -252, -250, -248, -246, -244, -242, -240, -238, -236, -234,
  72         58., 58.5, 59., 59.5, 60., 60.5, 61., 61.5, 62., 62.5, 63., 63.5
  73     ],
  74 )
  75
  76 test(
  77     name="3d_per_channel_second_dim",
  78     input0=Input(
  79         "input0", ("TENSOR_QUANT8_SYMM_PER_CHANNEL", [2, 3, 4], 0, 0),
  80         extraParams=SymmPerChannelQuantParams(
  81             channelDim=1, scales=[2., 1., 0.5])),
  82     output0=Output("output0", "TENSOR_FLOAT32", "{2, 3, 4}"),
  83     input0_data=[
  84         -128, -127, -126, -125, -124, -123, -122, -121, -120, -119, -118, -117,
  85         116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127
  86     ],
  87     output0_data=[
  88         -256., -254., -252., -250., -124., -123., -122., -121., -60., -59.5,
  89         -59., -58.5, 232., 234., 236., 238., 120., 121., 122., 123., 62., 62.5,
  90         63., 63.5
  91     ],
  92 )
  93
  94 # DEQUANTIZE from TENSOR_QUANT8_ASYMM to TENSOR_FLOAT32 is introduced in V1_0.
  95 Example.SetVersion("V1_0", "dequantize_v1_2_1d_quant8_asymm", "dequantize_v1_2_2d_quant8_asymm")
  96
  97 # FLOAT16
  98 model = Model()
  99 i1 = Input("op1",  "TENSOR_QUANT8_ASYMM", "{1, 2, 2, 1}, 1.f, 0")
 100 i2 = Output("op2", "TENSOR_FLOAT16", "{1, 2, 2, 1}")
 101 model = model.Operation("DEQUANTIZE", i1).To(i2)
 102
 103 # Example 1. Input in operand 0,
 104 input0 = {i1: # input 0
 105           [0, 32, 128, 255]}
 106
 107 output0 = {i2: # output 0
 108            [0.0, 32.0, 128.0, 255.0]}
 109
 110 # Instantiate an example
 111 Example((input0, output0))
 112
 113
 114 # Zero-sized input
 115
 116 # Use BOX_WITH_NMS_LIMIT op to generate a zero-sized internal tensor for box cooridnates.
 117 p1 = Parameter("scores", "TENSOR_QUANT8_ASYMM", "{1, 2}, 0.1f, 128", [137, 129]) # scores
 118 p2 = Parameter("roi", "TENSOR_QUANT16_ASYMM", "{1, 8}, 0.125f, 0", [8, 8, 80, 80, 0, 0, 80, 80]) # roi
 119 o1 = Output("scoresOut", "TENSOR_QUANT8_ASYMM", "{0}, 0.1f, 128") # scores out
 120 o2 = Output("classesOut", "TENSOR_INT32", "{0}") # classes out
 121 tmp1 = Internal("roiOut", "TENSOR_QUANT16_ASYMM", "{0, 4}, 0.125f, 0") # roi out
 122 tmp2 = Internal("batchSplitOut", "TENSOR_INT32", "{0}") # batch split out
 123 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)
 124
 125 # Use ROI_ALIGN op to convert into zero-sized feature map.
 126 layout = BoolScalar("layout", False) # NHWC
 127 i1 = Input("in", "TENSOR_QUANT8_ASYMM", "{1, 1, 1, 1}, 0.1f, 128")
 128 zero_sized = Internal("featureMap", "TENSOR_QUANT8_ASYMM", "{0, 2, 2, 1}, 0.1f, 128")
 129 model = model.Operation("ROI_ALIGN", i1, tmp1, tmp2, 2, 2, 2.0, 2.0, 4, 4, layout).To(zero_sized)
 130
 131 # DEQUANTIZE op with numBatches = 0.
 132 o3 = Output("out", "TENSOR_FLOAT32", "{0, 2, 2, 1}") # out
 133 model = model.Operation("DEQUANTIZE", zero_sized).To(o3)
 134
 135 float16 = DataTypeConverter().Identify({o3: ("TENSOR_FLOAT16",)})
 136
 137 # Create test case with dummy values.
 138 Example({
 139     i1: [1],
 140     o1: [0],
 141     o2: [0],
 142     o3: [0],
 143 }).AddVariations("relaxed", float16)