src/runtime/NEON/functions/NEDeconvolutionLayer.cpp

   1 /*
   2  * Copyright (c) 2017, 2018 ARM Limited.
   3  *
   4  * SPDX-License-Identifier: MIT
   5  *
   6  * Permission is hereby granted, free of charge, to any person obtaining a copy
   7  * of this software and associated documentation files (the "Software"), to
   8  * deal in the Software without restriction, including without limitation the
   9  * rights to use, copy, modify, merge, publish, distribute, sublicense, and/or
  10  * sell copies of the Software, and to permit persons to whom the Software is
  11  * furnished to do so, subject to the following conditions:
  12  *
  13  * The above copyright notice and this permission notice shall be included in all
  14  * copies or substantial portions of the Software.
  15  *
  16  * THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
  17  * IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
  18  * FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
  19  * AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
  20  * LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
  21  * OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
  22  * SOFTWARE.
  23  */
  24 #include "arm_compute/runtime/NEON/functions/NEDeconvolutionLayer.h"
  25
  26 #include "arm_compute/core/Helpers.h"
  27 #include "arm_compute/core/Utils.h"
  28 #include "arm_compute/core/Validate.h"
  29 #include "arm_compute/core/utils/misc/ShapeCalculator.h"
  30
  31 using namespace arm_compute;
  32 using namespace arm_compute::misc::shape_calculator;
  33
  34 NEDeconvolutionLayer::NEDeconvolutionLayer(std::shared_ptr<IMemoryManager> memory_manager) // NOLINT
  35     : _memory_group(std::move(memory_manager)),
  36       _conv_f(),
  37       _scaled_output(),
  38       _input(nullptr),
  39       _info(),
  40       _inner_border()
  41 {
  42 }
  43
  44 void NEDeconvolutionLayer::configure(ITensor *input, const ITensor *weights, const ITensor *bias, ITensor *output, const PadStrideInfo &info,
  45                                      unsigned int inner_border_right, unsigned int inner_border_top)
  46 {
  47     ARM_COMPUTE_ERROR_ON_NULLPTR(output);
  48     ARM_COMPUTE_ERROR_ON_DATA_TYPE_CHANNEL_NOT_IN(input, 1, DataType::F32);
  49     ARM_COMPUTE_ERROR_ON(weights->info()->dimension(0) != weights->info()->dimension(1));
  50     ARM_COMPUTE_ERROR_ON(weights->info()->dimension(0) != 1 && weights->info()->dimension(0) != 3 && weights->info()->dimension(0) != 5);
  51
  52     _input        = input;
  53     _info         = info;
  54     _inner_border = std::make_pair(inner_border_right, inner_border_top);
  55
  56     const unsigned int stride_x = info.stride().first;
  57     const unsigned int stride_y = info.stride().second;
  58     auto               out_dims = deconvolution_output_dimensions(input->info()->dimension(0), input->info()->dimension(1), weights->info()->dimension(0), weights->info()->dimension(1),
  59                                                                   info.pad().first, info.pad().second, inner_border_right, inner_border_top, stride_x, stride_y);
  60
  61     const TensorShape output_shape = deconvolution_output_shape(out_dims, input->info()->tensor_shape(), weights->info()->tensor_shape());
  62
  63     ARM_COMPUTE_UNUSED(output_shape);
  64     ARM_COMPUTE_ERROR_ON_MSG(output->info()->dimension(Window::DimX) != output_shape.x(), "Output's width is invalid.");
  65     ARM_COMPUTE_ERROR_ON_MSG(output->info()->dimension(Window::DimY) != output_shape.y(), "Output's height is invalid.");
  66     ARM_COMPUTE_ERROR_ON_MSG(output->info()->dimension(Window::DimZ) != output_shape.z(), "Output's depth is invalid.");
  67
  68     _memory_group.manage(&_scaled_output);
  69
  70     // configure scale function
  71     // Init and allocate intermmidiate tensor for output, same size as input but the first two axis are the same as the output tensor
  72     const TensorInfo scale_out_info(compute_deconvolution_shape(*input->info(), stride_x, stride_y, inner_border_right, inner_border_top, info), 1, input->info()->data_type(),
  73                                     input->info()->fixed_point_position());
  74     _scaled_output.allocator()->init(scale_out_info);
  75
  76     // setup the function to convolve the upscaled output
  77     const PadStrideInfo conv_info(1, 1, 0, 0, 0, 0, DimensionRoundingType::CEIL);
  78     _conv_f.configure(&_scaled_output, weights, bias, output, conv_info);
  79     _scaled_output.allocator()->allocate();
  80 }
  81
  82 void NEDeconvolutionLayer::run()
  83 {
  84     _memory_group.acquire();
  85
  86     // Initialize _scaled_output buffer
  87     const int width_in      = _input->info()->dimension(0);
  88     const int height_in     = _input->info()->dimension(1);
  89     const int width_scaled  = _scaled_output.info()->dimension(0);
  90     const int height_scaled = _scaled_output.info()->dimension(1);
  91     const int num_2d_slices = _input->info()->tensor_shape().total_size() / (width_in * height_in);
  92     const int stride_x      = _info.stride().first;
  93     const int stride_y      = _info.stride().second;
  94
  95     std::fill_n(_scaled_output.buffer(), _scaled_output.info()->total_size(), 0);
  96
  97     // scaled_output is the input for the forward convolution. We copy the input elements to scaled_output
  98     // and insert rows and columns with zeroes depending on the stride values.
  99     for(int slice = 0; slice < num_2d_slices; ++slice)
 100     {
 101         const int start_x = _info.pad().first;
 102         const int start_y = _inner_border.second + _info.pad().second;
 103         const int end_y   = height_scaled - _info.pad().second;
 104         const int end_x   = width_scaled - _inner_border.first - _info.pad().first;
 105
 106         for(int yi = start_y, in_y = 0; yi < end_y; yi += stride_y, in_y++)
 107         {
 108             for(int xi = start_x, in_x = 0; xi < end_x; xi += stride_x, in_x++)
 109             {
 110                 const auto in = *(reinterpret_cast<float *>(_input->buffer() + _input->info()->offset_element_in_bytes(Coordinates(in_x, in_y, slice))));
 111                 *(reinterpret_cast<float *>(_scaled_output.buffer() + _scaled_output.info()->offset_element_in_bytes(Coordinates(xi, yi, slice)))) = in;
 112             }
 113         }
 114     }
 115
 116     _conv_f.run();
 117     _memory_group.release();
 118 }