tools/nnapi_quickcheck/tests/max_pool_1.cpp

   1 /*
   2  * Copyright (c) 2018 Samsung Electronics Co., Ltd. All Rights Reserved
   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 #include "gtest/gtest.h"
  18
  19 #include "tflite/ext/kernels/register.h"
  20 #include "tensorflow/lite/model.h"
  21 #include "tensorflow/lite/builtin_op_data.h"
  22
  23 #include "env.h"
  24 #include "memory.h"
  25 #include "misc/environment.h"
  26
  27 #include "tflite/Diff.h"
  28 #include "tflite/Quantization.h"
  29 #include "tflite/interp/FunctionBuilder.h"
  30
  31 #include <chrono>
  32 #include <iostream>
  33
  34 using namespace tflite;
  35 using namespace nnfw::tflite;
  36
  37 TEST(NNAPI_Quickcheck_max_pool_1, simple_test)
  38 {
  39   // Set random seed
  40   int SEED = std::chrono::system_clock::now().time_since_epoch().count();
  41
  42   nnfw::misc::env::IntAccessor("SEED").access(SEED);
  43
  44   // Set random test parameters
  45   int verbose = 0;
  46   int tolerance = 1;
  47
  48   nnfw::misc::env::IntAccessor("VERBOSE").access(verbose);
  49   nnfw::misc::env::IntAccessor("TOLERANCE").access(tolerance);
  50
  51 #define INT_VALUE(NAME, VALUE) IntVar NAME##_Value(#NAME, VALUE);
  52 #include "max_pool_1.lst"
  53 #undef INT_VALUE
  54
  55   const TfLitePadding PADDING_TYPE = static_cast<TfLitePadding>(PADDING_TYPE_Value());
  56
  57   const int32_t IFM_C = IFM_C_Value();
  58   const int32_t IFM_H = IFM_H_Value();
  59   const int32_t IFM_W = IFM_W_Value();
  60
  61   const int32_t KER_H = KER_H_Value();
  62   const int32_t KER_W = KER_W_Value();
  63
  64   const int32_t OFM_C = IFM_C;
  65   const int32_t OFM_H = OFM_H_Value();
  66   const int32_t OFM_W = OFM_W_Value();
  67
  68   assert((OFM_H >= (IFM_H - KER_H)));
  69   assert((OFM_W >= (IFM_W - KER_W)));
  70   assert((kTfLitePaddingSame == PADDING_TYPE) || (kTfLitePaddingValid == PADDING_TYPE));
  71
  72   std::cout << "Configurations:" << std::endl;
  73 #define PRINT_NEWLINE()     \
  74   {                         \
  75     std::cout << std::endl; \
  76   }
  77 #define PRINT_VALUE(value)                                       \
  78   {                                                              \
  79     std::cout << "  " << #value << ": " << (value) << std::endl; \
  80   }
  81   PRINT_VALUE(SEED);
  82   PRINT_NEWLINE();
  83
  84   PRINT_VALUE(PADDING_TYPE);
  85   PRINT_NEWLINE();
  86
  87   PRINT_VALUE(IFM_C);
  88   PRINT_VALUE(IFM_H);
  89   PRINT_VALUE(IFM_W);
  90   PRINT_NEWLINE();
  91
  92   PRINT_VALUE(KER_H);
  93   PRINT_VALUE(KER_W);
  94   PRINT_NEWLINE();
  95
  96   PRINT_VALUE(OFM_C);
  97   PRINT_VALUE(OFM_H);
  98   PRINT_VALUE(OFM_W);
  99 #undef PRINT_VALUE
 100 #undef PRINT_NEWLINE
 101
 102   auto setup = [&](Interpreter &interp) {
 103     // Comment from 'context.h'
 104     //
 105     // Parameters for asymmetric quantization. Quantized values can be converted
 106     // back to float using:
 107     //    real_value = scale * (quantized_value - zero_point);
 108     //
 109     // Q: Is this necessary?
 110     TfLiteQuantizationParams quantization = make_default_quantization();
 111
 112     // On AddTensors(N) call, T/F Lite interpreter creates N tensors whose index is [0 ~ N)
 113     interp.AddTensors(2);
 114
 115     // Configure OFM
 116     interp.SetTensorParametersReadWrite(0, kTfLiteFloat32 /* type */, "output" /* name */,
 117                                         {1 /*N*/, OFM_H, OFM_W, OFM_C} /* dims */, quantization);
 118
 119     // Configure IFM
 120     interp.SetTensorParametersReadWrite(1, kTfLiteFloat32 /* type */, "input" /* name */,
 121                                         {1 /*N*/, IFM_H, IFM_W, IFM_C} /* dims */, quantization);
 122
 123     // Add Max Pooling Node
 124     //
 125     // NOTE AddNodeWithParameters take the ownership of param, and deallocate it with free
 126     //      So, param should be allocated with malloc
 127     auto param = make_alloc<TfLitePoolParams>();
 128
 129     param->padding = PADDING_TYPE;
 130     param->stride_width = 1;
 131     param->stride_height = 1;
 132     param->filter_width = KER_W;
 133     param->filter_height = KER_H;
 134     param->activation = kTfLiteActNone;
 135
 136     // Run Convolution and store its result into Tensor #0
 137     //  - Read IFM from Tensor #1
 138     interp.AddNodeWithParameters({1}, {0}, nullptr, 0, reinterpret_cast<void *>(param),
 139                                  BuiltinOpResolver().FindOp(BuiltinOperator_MAX_POOL_2D, 1));
 140
 141     // Set Tensor #1 as Input #0, and Tensor #0 as Output #0
 142     interp.SetInputs({1});
 143     interp.SetOutputs({0});
 144   };
 145
 146   const nnfw::tflite::FunctionBuilder builder(setup);
 147
 148   RandomTestParam param;
 149
 150   param.verbose = verbose;
 151   param.tolerance = tolerance;
 152
 153   int res = RandomTestRunner{SEED, param}.run(builder);
 154
 155   EXPECT_EQ(res, 0);
 156 }