add yolov4

Scheaven

2021-01-05 6ae75cc17b2952c63a79ff2c86da841f0dbbf3c6

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
#include "softmax_layer.h" 
#include "blas.h" 
#include "dark_cuda.h" 
#include "utils.h" 
#include "blas.h" 
 
#include <float.h> 
#include <math.h> 
#include <stdlib.h> 
#include <stdio.h> 
#include <assert.h> 
 
#define SECRET_NUM -1234 
 
void softmax_tree(float *input, int batch, int inputs, float temp, tree *hierarchy, float *output) 
{ 
    int b; 
    for (b = 0; b < batch; ++b) { 
        int i; 
        int count = 0; 
        for (i = 0; i < hierarchy->groups; ++i) { 
            int group_size = hierarchy->group_size[i]; 
            softmax(input + b*inputs + count, group_size, temp, output + b*inputs + count, 1); 
            count += group_size; 
        } 
    } 
} 
 
softmax_layer make_softmax_layer(int batch, int inputs, int groups) 
{ 
    assert(inputs%groups == 0); 
    fprintf(stderr, "softmax                                        %4d\n",  inputs); 
    softmax_layer l = { (LAYER_TYPE)0 }; 
    l.type = SOFTMAX; 
    l.batch = batch; 
    l.groups = groups; 
    l.inputs = inputs; 
    l.outputs = inputs; 
    l.loss = (float*)xcalloc(inputs * batch, sizeof(float)); 
    l.output = (float*)xcalloc(inputs * batch, sizeof(float)); 
    l.delta = (float*)xcalloc(inputs * batch, sizeof(float)); 
    l.cost = (float*)xcalloc(1, sizeof(float)); 
 
    l.forward = forward_softmax_layer; 
    l.backward = backward_softmax_layer; 
    #ifdef GPU 
    l.forward_gpu = forward_softmax_layer_gpu; 
    l.backward_gpu = backward_softmax_layer_gpu; 
 
    l.output_gpu = cuda_make_array(l.output, inputs*batch); 
    l.loss_gpu = cuda_make_array(l.loss, inputs*batch); 
    l.delta_gpu = cuda_make_array(l.delta, inputs*batch); 
    #endif 
    return l; 
} 
 
void forward_softmax_layer(const softmax_layer l, network_state net) 
{ 
    if(l.softmax_tree){ 
        int i; 
        int count = 0; 
        for (i = 0; i < l.softmax_tree->groups; ++i) { 
            int group_size = l.softmax_tree->group_size[i]; 
            softmax_cpu(net.input + count, group_size, l.batch, l.inputs, 1, 0, 1, l.temperature, l.output + count); 
            count += group_size; 
        } 
    } else { 
        softmax_cpu(net.input, l.inputs/l.groups, l.batch, l.inputs, l.groups, l.inputs/l.groups, 1, l.temperature, l.output); 
    } 
 
    if(net.truth && !l.noloss){ 
        softmax_x_ent_cpu(l.batch*l.inputs, l.output, net.truth, l.delta, l.loss); 
        l.cost[0] = sum_array(l.loss, l.batch*l.inputs); 
    } 
} 
 
void backward_softmax_layer(const softmax_layer l, network_state net) 
{ 
    axpy_cpu(l.inputs*l.batch, 1, l.delta, 1, net.delta, 1); 
} 
 
#ifdef GPU 
 
void pull_softmax_layer_output(const softmax_layer layer) 
{ 
    cuda_pull_array(layer.output_gpu, layer.output, layer.inputs*layer.batch); 
} 
 
void forward_softmax_layer_gpu(const softmax_layer l, network_state net) 
{ 
    if(l.softmax_tree){ 
        softmax_tree_gpu(net.input, 1, l.batch, l.inputs, l.temperature, l.output_gpu, *l.softmax_tree); 
        /* 
        int i; 
        int count = 0; 
        for (i = 0; i < l.softmax_tree->groups; ++i) { 
        int group_size = l.softmax_tree->group_size[i]; 
        softmax_gpu(net.input_gpu + count, group_size, l.batch, l.inputs, 1, 0, 1, l.temperature, l.output_gpu + count); 
        count += group_size; 
        } 
        */ 
    } else { 
        if(l.spatial){ 
            softmax_gpu_new_api(net.input, l.c, l.batch*l.c, l.inputs/l.c, l.w*l.h, 1, l.w*l.h, 1, l.output_gpu); 
        }else{ 
            softmax_gpu_new_api(net.input, l.inputs/l.groups, l.batch, l.inputs, l.groups, l.inputs/l.groups, 1, l.temperature, l.output_gpu); 
        } 
    } 
    if(net.truth && !l.noloss){ 
        softmax_x_ent_gpu(l.batch*l.inputs, l.output_gpu, net.truth, l.delta_gpu, l.loss_gpu); 
        if(l.softmax_tree){ 
            mask_gpu_new_api(l.batch*l.inputs, l.delta_gpu, SECRET_NUM, net.truth, 0); 
            mask_gpu_new_api(l.batch*l.inputs, l.loss_gpu, SECRET_NUM, net.truth, 0); 
        } 
        cuda_pull_array(l.loss_gpu, l.loss, l.batch*l.inputs); 
        l.cost[0] = sum_array(l.loss, l.batch*l.inputs); 
    } 
} 
 
void backward_softmax_layer_gpu(const softmax_layer layer, network_state net) 
{ 
    axpy_ongpu(layer.batch*layer.inputs, 1, layer.delta_gpu, 1, net.delta, 1); 
} 
 
#endif