up new v4

Scheaven

2021-06-03 168af40fe9a3cc81c6ee16b3e81f154780c36bdb

 lib/detecter_tools/darknet/connected_layer.c

@@ -1,447 +1,447 @@
#include "connected_layer.h"

#include "batchnorm_layer.h"

#include "convolutional_layer.h"

#include "utils.h"

#include "dark_cuda.h"

#include "blas.h"

#include "gemm.h"



#include <math.h>

#include <stdio.h>

#include <stdlib.h>

#include <string.h>



size_t get_connected_workspace_size(layer l)

{

#ifdef CUDNN

    return get_convolutional_workspace_size(l);

    /*

    if (gpu_index >= 0) {

        size_t most = 0;

        size_t s = 0;

        CHECK_CUDNN(cudnnGetConvolutionForwardWorkspaceSize(cudnn_handle(),

            l.srcTensorDesc,

            l.weightDesc,

            l.convDesc,

            l.dstTensorDesc,

            l.fw_algo,

            &s));

        if (s > most) most = s;

        CHECK_CUDNN(cudnnGetConvolutionBackwardFilterWorkspaceSize(cudnn_handle(),

            l.srcTensorDesc,

            l.ddstTensorDesc,

            l.convDesc,

            l.dweightDesc,

            l.bf_algo,

            &s));

        if (s > most) most = s;

        CHECK_CUDNN(cudnnGetConvolutionBackwardDataWorkspaceSize(cudnn_handle(),

            l.weightDesc,

            l.ddstTensorDesc,

            l.convDesc,

            l.dsrcTensorDesc,

            l.bd_algo,

            &s));

        if (s > most) most = s;

        return most;

    }

    */

#endif

    return 0;

}



connected_layer make_connected_layer(int batch, int steps, int inputs, int outputs, ACTIVATION activation, int batch_normalize)

{

    int total_batch = batch*steps;

    int i;

    connected_layer l = { (LAYER_TYPE)0 };

    l.type = CONNECTED;



    l.inputs = inputs;

    l.outputs = outputs;

    l.batch= batch;

    l.batch_normalize = batch_normalize;

    l.h = 1;

    l.w = 1;

    l.c = inputs;

    l.out_h = 1;

    l.out_w = 1;

    l.out_c = outputs;

    l.n = l.out_c;

    l.size = 1;

    l.stride = l.stride_x = l.stride_y = 1;

    l.pad = 0;

    l.activation = activation;

    l.learning_rate_scale = 1;

    l.groups = 1;

    l.dilation = 1;



    l.output = (float*)xcalloc(total_batch * outputs, sizeof(float));

    l.delta = (float*)xcalloc(total_batch * outputs, sizeof(float));



    l.weight_updates = (float*)xcalloc(inputs * outputs, sizeof(float));

    l.bias_updates = (float*)xcalloc(outputs, sizeof(float));



    l.weights = (float*)xcalloc(outputs * inputs, sizeof(float));

    l.biases = (float*)xcalloc(outputs, sizeof(float));



    l.forward = forward_connected_layer;

    l.backward = backward_connected_layer;

    l.update = update_connected_layer;



    //float scale = 1./sqrt(inputs);

    float scale = sqrt(2.f/inputs);

    for(i = 0; i < outputs*inputs; ++i){

        l.weights[i] = scale*rand_uniform(-1, 1);

    }



    for(i = 0; i < outputs; ++i){

        l.biases[i] = 0;

    }



    if(batch_normalize){

        l.scales = (float*)xcalloc(outputs, sizeof(float));

        l.scale_updates = (float*)xcalloc(outputs, sizeof(float));

        for(i = 0; i < outputs; ++i){

            l.scales[i] = 1;

        }



        l.mean = (float*)xcalloc(outputs, sizeof(float));

        l.mean_delta = (float*)xcalloc(outputs, sizeof(float));

        l.variance = (float*)xcalloc(outputs, sizeof(float));

        l.variance_delta = (float*)xcalloc(outputs, sizeof(float));



        l.rolling_mean = (float*)xcalloc(outputs, sizeof(float));

        l.rolling_variance = (float*)xcalloc(outputs, sizeof(float));



        l.x = (float*)xcalloc(total_batch * outputs, sizeof(float));

        l.x_norm = (float*)xcalloc(total_batch * outputs, sizeof(float));

    }



#ifdef GPU

    l.forward_gpu = forward_connected_layer_gpu;

    l.backward_gpu = backward_connected_layer_gpu;

    l.update_gpu = update_connected_layer_gpu;



    l.weights_gpu = cuda_make_array(l.weights, outputs*inputs);

    l.biases_gpu = cuda_make_array(l.biases, outputs);



    l.weight_updates_gpu = cuda_make_array(l.weight_updates, outputs*inputs);

    l.bias_updates_gpu = cuda_make_array(l.bias_updates, outputs);



    l.output_gpu = cuda_make_array(l.output, outputs*total_batch);

    l.delta_gpu = cuda_make_array(l.delta, outputs*total_batch);

    if (batch_normalize) {

        l.scales_gpu = cuda_make_array(l.scales, outputs);

        l.scale_updates_gpu = cuda_make_array(l.scale_updates, outputs);



        l.mean_gpu = cuda_make_array(l.mean, outputs);

        l.variance_gpu = cuda_make_array(l.variance, outputs);



        l.rolling_mean_gpu = cuda_make_array(l.mean, outputs);

        l.rolling_variance_gpu = cuda_make_array(l.variance, outputs);



        l.mean_delta_gpu = cuda_make_array(l.mean, outputs);

        l.variance_delta_gpu = cuda_make_array(l.variance, outputs);



        l.x_gpu = cuda_make_array(l.output, total_batch*outputs);

        l.x_norm_gpu = cuda_make_array(l.output, total_batch*outputs);

    }

#ifdef CUDNN

    create_convolutional_cudnn_tensors(&l);

    cudnn_convolutional_setup(&l, cudnn_fastest, 0);   // cudnn_fastest, cudnn_smallest

    l.workspace_size = get_connected_workspace_size(l);

#endif  // CUDNN

#endif  // GPU

    fprintf(stderr, "connected                            %4d  ->  %4d\n", inputs, outputs);

    return l;

}



void update_connected_layer(connected_layer l, int batch, float learning_rate, float momentum, float decay)

{

    axpy_cpu(l.outputs, learning_rate/batch, l.bias_updates, 1, l.biases, 1);

    scal_cpu(l.outputs, momentum, l.bias_updates, 1);



    if(l.batch_normalize){

        axpy_cpu(l.outputs, learning_rate/batch, l.scale_updates, 1, l.scales, 1);

        scal_cpu(l.outputs, momentum, l.scale_updates, 1);

    }



    axpy_cpu(l.inputs*l.outputs, -decay*batch, l.weights, 1, l.weight_updates, 1);

    axpy_cpu(l.inputs*l.outputs, learning_rate/batch, l.weight_updates, 1, l.weights, 1);

    scal_cpu(l.inputs*l.outputs, momentum, l.weight_updates, 1);

}



void forward_connected_layer(connected_layer l, network_state state)

{

    int i;

    fill_cpu(l.outputs*l.batch, 0, l.output, 1);

    int m = l.batch;

    int k = l.inputs;

    int n = l.outputs;

    float *a = state.input;

    float *b = l.weights;

    float *c = l.output;

    gemm(0,1,m,n,k,1,a,k,b,k,1,c,n);

    if(l.batch_normalize){

        if(state.train){

            mean_cpu(l.output, l.batch, l.outputs, 1, l.mean);

            variance_cpu(l.output, l.mean, l.batch, l.outputs, 1, l.variance);



            scal_cpu(l.outputs, .95f, l.rolling_mean, 1);

            axpy_cpu(l.outputs, .05f, l.mean, 1, l.rolling_mean, 1);

            scal_cpu(l.outputs, .95f, l.rolling_variance, 1);

            axpy_cpu(l.outputs, .05f, l.variance, 1, l.rolling_variance, 1);



            copy_cpu(l.outputs*l.batch, l.output, 1, l.x, 1);

            normalize_cpu(l.output, l.mean, l.variance, l.batch, l.outputs, 1);

            copy_cpu(l.outputs*l.batch, l.output, 1, l.x_norm, 1);

        } else {

            normalize_cpu(l.output, l.rolling_mean, l.rolling_variance, l.batch, l.outputs, 1);

        }

        scale_bias(l.output, l.scales, l.batch, l.outputs, 1);

    }

    for(i = 0; i < l.batch; ++i){

        axpy_cpu(l.outputs, 1, l.biases, 1, l.output + i*l.outputs, 1);

    }

    activate_array(l.output, l.outputs*l.batch, l.activation);

}



void backward_connected_layer(connected_layer l, network_state state)

{

    int i;

    gradient_array(l.output, l.outputs*l.batch, l.activation, l.delta);

    for(i = 0; i < l.batch; ++i){

        axpy_cpu(l.outputs, 1, l.delta + i*l.outputs, 1, l.bias_updates, 1);

    }

    if(l.batch_normalize){

        backward_scale_cpu(l.x_norm, l.delta, l.batch, l.outputs, 1, l.scale_updates);



        scale_bias(l.delta, l.scales, l.batch, l.outputs, 1);



        mean_delta_cpu(l.delta, l.variance, l.batch, l.outputs, 1, l.mean_delta);

        variance_delta_cpu(l.x, l.delta, l.mean, l.variance, l.batch, l.outputs, 1, l.variance_delta);

        normalize_delta_cpu(l.x, l.mean, l.variance, l.mean_delta, l.variance_delta, l.batch, l.outputs, 1, l.delta);

    }



    int m = l.outputs;

    int k = l.batch;

    int n = l.inputs;

    float *a = l.delta;

    float *b = state.input;

    float *c = l.weight_updates;

    gemm(1,0,m,n,k,1,a,m,b,n,1,c,n);



    m = l.batch;

    k = l.outputs;

    n = l.inputs;



    a = l.delta;

    b = l.weights;

    c = state.delta;



    if(c) gemm(0,0,m,n,k,1,a,k,b,n,1,c,n);

}





void denormalize_connected_layer(layer l)

{

    int i, j;

    for(i = 0; i < l.outputs; ++i){

        float scale = l.scales[i]/sqrt(l.rolling_variance[i] + .000001f);

        for(j = 0; j < l.inputs; ++j){

            l.weights[i*l.inputs + j] *= scale;

        }

        l.biases[i] -= l.rolling_mean[i] * scale;

        l.scales[i] = 1;

        l.rolling_mean[i] = 0;

        l.rolling_variance[i] = 1;

    }

}





void statistics_connected_layer(layer l)

{

    if(l.batch_normalize){

        printf("Scales ");

        print_statistics(l.scales, l.outputs);

        /*

        printf("Rolling Mean ");

        print_statistics(l.rolling_mean, l.outputs);

        printf("Rolling Variance ");

        print_statistics(l.rolling_variance, l.outputs);

        */

    }

    printf("Biases ");

    print_statistics(l.biases, l.outputs);

    printf("Weights ");

    print_statistics(l.weights, l.outputs);

}



#ifdef GPU



void pull_connected_layer(connected_layer l)

{

    cuda_pull_array(l.weights_gpu, l.weights, l.inputs*l.outputs);

    cuda_pull_array(l.biases_gpu, l.biases, l.outputs);

    cuda_pull_array(l.weight_updates_gpu, l.weight_updates, l.inputs*l.outputs);

    cuda_pull_array(l.bias_updates_gpu, l.bias_updates, l.outputs);

    if (l.batch_normalize){

        cuda_pull_array(l.scales_gpu, l.scales, l.outputs);

        cuda_pull_array(l.rolling_mean_gpu, l.rolling_mean, l.outputs);

        cuda_pull_array(l.rolling_variance_gpu, l.rolling_variance, l.outputs);

    }

    CHECK_CUDA(cudaPeekAtLastError());

}



void push_connected_layer(connected_layer l)

{

    cuda_push_array(l.weights_gpu, l.weights, l.inputs*l.outputs);

    cuda_push_array(l.biases_gpu, l.biases, l.outputs);

    cuda_push_array(l.weight_updates_gpu, l.weight_updates, l.inputs*l.outputs);

    cuda_push_array(l.bias_updates_gpu, l.bias_updates, l.outputs);

    if (l.batch_normalize){

        cuda_push_array(l.scales_gpu, l.scales, l.outputs);

        cuda_push_array(l.rolling_mean_gpu, l.rolling_mean, l.outputs);

        cuda_push_array(l.rolling_variance_gpu, l.rolling_variance, l.outputs);

    }

    CHECK_CUDA(cudaPeekAtLastError());

}



void update_connected_layer_gpu(connected_layer l, int batch, float learning_rate_init, float momentum, float decay, float loss_scale)

{

    float learning_rate = learning_rate_init * l.learning_rate_scale;



    // Loss scale for Mixed-Precision on Tensor-Cores

    if (loss_scale != 1.0) {

        scal_ongpu(l.inputs*l.outputs, 1.0 / loss_scale, l.weight_updates_gpu, 1);

        scal_ongpu(l.outputs, 1.0 / loss_scale, l.bias_updates_gpu, 1);

        scal_ongpu(l.outputs, 1.0 / loss_scale, l.scale_updates_gpu, 1);

    }



    axpy_ongpu(l.outputs, learning_rate/batch, l.bias_updates_gpu, 1, l.biases_gpu, 1);

    scal_ongpu(l.outputs, momentum, l.bias_updates_gpu, 1);



    if(l.batch_normalize){

        axpy_ongpu(l.outputs, learning_rate/batch, l.scale_updates_gpu, 1, l.scales_gpu, 1);

        scal_ongpu(l.outputs, momentum, l.scale_updates_gpu, 1);

    }



    axpy_ongpu(l.inputs*l.outputs, -decay*batch, l.weights_gpu, 1, l.weight_updates_gpu, 1);

    axpy_ongpu(l.inputs*l.outputs, learning_rate/batch, l.weight_updates_gpu, 1, l.weights_gpu, 1);

    scal_ongpu(l.inputs*l.outputs, momentum, l.weight_updates_gpu, 1);

}



void forward_connected_layer_gpu(connected_layer l, network_state state)

{

    fill_ongpu(l.outputs*l.batch, 0, l.output_gpu, 1);



    int m = l.batch;

    int k = l.inputs;

    int n = l.outputs;

    float * a = state.input;

    float * b = l.weights_gpu;

    float * c = l.output_gpu;

#ifdef CUDNN

    float one = 1;    // alpha[0], beta[0]

    float alpha = 1, beta = 0;



    CHECK_CUDNN(cudnnConvolutionForward(cudnn_handle(),

        &alpha, //&one,

        l.srcTensorDesc,

        state.input,

        l.weightDesc,

        l.weights_gpu,

        l.convDesc,

        l.fw_algo,

        state.workspace,

        l.workspace_size,

        &beta,  //&one,

        l.dstTensorDesc,

        l.output_gpu));

#else // CUDNN

    gemm_ongpu(0,1,m,n,k,1,a,k,b,k,1,c,n);

#endif // CUDNN



   if (l.batch_normalize) {

      forward_batchnorm_layer_gpu(l, state);

   }

   else {

      add_bias_gpu(l.output_gpu, l.biases_gpu, l.batch, l.outputs, 1);

   }

    //for(i = 0; i < l.batch; ++i) axpy_ongpu(l.outputs, 1, l.biases_gpu, 1, l.output_gpu + i*l.outputs, 1);

    activate_array_ongpu(l.output_gpu, l.outputs*l.batch, l.activation);

}



void backward_connected_layer_gpu(connected_layer l, network_state state)

{

    int i;

    constrain_ongpu(l.outputs*l.batch, 1, l.delta_gpu, 1);

    gradient_array_ongpu(l.output_gpu, l.outputs*l.batch, l.activation, l.delta_gpu);

    for(i = 0; i < l.batch; ++i){

        axpy_ongpu(l.outputs, 1, l.delta_gpu + i*l.outputs, 1, l.bias_updates_gpu, 1);

    }



    if(l.batch_normalize){

        backward_batchnorm_layer_gpu(l, state);

    }



#ifdef CUDNN_DISABLED

    float one = 1;

    // calculate conv weight updates

    // if used: beta=1 then loss decreases faster

    CHECK_CUDNN(cudnnConvolutionBackwardFilter(cudnn_handle(),

        &one,

        l.srcTensorDesc,

        state.input,

        l.ddstTensorDesc,

        l.delta_gpu,

        l.convDesc,

        l.bf_algo,

        state.workspace,

        l.workspace_size,

        &one,

        l.dweightDesc,

        l.weight_updates_gpu));



    if (state.delta) {

        // http://docs.nvidia.com/deeplearning/sdk/cudnn-developer-guide/index.html#cudnnConvolutionBackwardData

        // calculate delta for the next layer



        CHECK_CUDNN(cudnnConvolutionBackwardData(cudnn_handle(),

            &one,

            l.weightDesc,

            l.weights_gpu,

            l.ddstTensorDesc,

            l.delta_gpu,

            l.convDesc,

            l.bd_algo,

            state.workspace,

            l.workspace_size,

            &one,

            l.dsrcTensorDesc,

            state.delta));

    }

#else // CUDNN



    int m = l.outputs;

    int k = l.batch;

    int n = l.inputs;

    float * a = l.delta_gpu;

    float * b = state.input;

    float * c = l.weight_updates_gpu;



    gemm_ongpu(1,0,m,n,k,1,a,m,b,n,1,c,n);



    m = l.batch;

    k = l.outputs;

    n = l.inputs;



    a = l.delta_gpu;

    b = l.weights_gpu;

    c = state.delta;



    if(c) gemm_ongpu(0,0,m,n,k,1,a,k,b,n,1,c,n);

#endif // CUDNN

}

#endif

#include "connected_layer.h"
#include "batchnorm_layer.h"
#include "convolutional_layer.h"
#include "utils.h"
#include "dark_cuda.h"
#include "blas.h"
#include "gemm.h"

#include <math.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>

size_t get_connected_workspace_size(layer l)
{
#ifdef CUDNN
    return get_convolutional_workspace_size(l);
    /*
    if (gpu_index >= 0) {
        size_t most = 0;
        size_t s = 0;
        CHECK_CUDNN(cudnnGetConvolutionForwardWorkspaceSize(cudnn_handle(),
            l.srcTensorDesc,
            l.weightDesc,
            l.convDesc,
            l.dstTensorDesc,
            l.fw_algo,
            &s));
        if (s > most) most = s;
        CHECK_CUDNN(cudnnGetConvolutionBackwardFilterWorkspaceSize(cudnn_handle(),
            l.srcTensorDesc,
            l.ddstTensorDesc,
            l.convDesc,
            l.dweightDesc,
            l.bf_algo,
            &s));
        if (s > most) most = s;
        CHECK_CUDNN(cudnnGetConvolutionBackwardDataWorkspaceSize(cudnn_handle(),
            l.weightDesc,
            l.ddstTensorDesc,
            l.convDesc,
            l.dsrcTensorDesc,
            l.bd_algo,
            &s));
        if (s > most) most = s;
        return most;
    }
    */
#endif
    return 0;
}

connected_layer make_connected_layer(int batch, int steps, int inputs, int outputs, ACTIVATION activation, int batch_normalize)
{
    int total_batch = batch*steps;
    int i;
    connected_layer l = { (LAYER_TYPE)0 };
    l.type = CONNECTED;

    l.inputs = inputs;
    l.outputs = outputs;
    l.batch= batch;
    l.batch_normalize = batch_normalize;
    l.h = 1;
    l.w = 1;
    l.c = inputs;
    l.out_h = 1;
    l.out_w = 1;
    l.out_c = outputs;
    l.n = l.out_c;
    l.size = 1;
    l.stride = l.stride_x = l.stride_y = 1;
    l.pad = 0;
    l.activation = activation;
    l.learning_rate_scale = 1;
    l.groups = 1;
    l.dilation = 1;

    l.output = (float*)xcalloc(total_batch * outputs, sizeof(float));
    l.delta = (float*)xcalloc(total_batch * outputs, sizeof(float));

    l.weight_updates = (float*)xcalloc(inputs * outputs, sizeof(float));
    l.bias_updates = (float*)xcalloc(outputs, sizeof(float));

    l.weights = (float*)xcalloc(outputs * inputs, sizeof(float));
    l.biases = (float*)xcalloc(outputs, sizeof(float));

    l.forward = forward_connected_layer;
    l.backward = backward_connected_layer;
    l.update = update_connected_layer;

    //float scale = 1./sqrt(inputs);
    float scale = sqrt(2.f/inputs);
    for(i = 0; i < outputs*inputs; ++i){
        l.weights[i] = scale*rand_uniform(-1, 1);
    }

    for(i = 0; i < outputs; ++i){
        l.biases[i] = 0;
    }

    if(batch_normalize){
        l.scales = (float*)xcalloc(outputs, sizeof(float));
        l.scale_updates = (float*)xcalloc(outputs, sizeof(float));
        for(i = 0; i < outputs; ++i){
            l.scales[i] = 1;
        }

        l.mean = (float*)xcalloc(outputs, sizeof(float));
        l.mean_delta = (float*)xcalloc(outputs, sizeof(float));
        l.variance = (float*)xcalloc(outputs, sizeof(float));
        l.variance_delta = (float*)xcalloc(outputs, sizeof(float));

        l.rolling_mean = (float*)xcalloc(outputs, sizeof(float));
        l.rolling_variance = (float*)xcalloc(outputs, sizeof(float));

        l.x = (float*)xcalloc(total_batch * outputs, sizeof(float));
        l.x_norm = (float*)xcalloc(total_batch * outputs, sizeof(float));
    }

#ifdef GPU
    l.forward_gpu = forward_connected_layer_gpu;
    l.backward_gpu = backward_connected_layer_gpu;
    l.update_gpu = update_connected_layer_gpu;

    l.weights_gpu = cuda_make_array(l.weights, outputs*inputs);
    l.biases_gpu = cuda_make_array(l.biases, outputs);

    l.weight_updates_gpu = cuda_make_array(l.weight_updates, outputs*inputs);
    l.bias_updates_gpu = cuda_make_array(l.bias_updates, outputs);

    l.output_gpu = cuda_make_array(l.output, outputs*total_batch);
    l.delta_gpu = cuda_make_array(l.delta, outputs*total_batch);
    if (batch_normalize) {
        l.scales_gpu = cuda_make_array(l.scales, outputs);
        l.scale_updates_gpu = cuda_make_array(l.scale_updates, outputs);

        l.mean_gpu = cuda_make_array(l.mean, outputs);
        l.variance_gpu = cuda_make_array(l.variance, outputs);

        l.rolling_mean_gpu = cuda_make_array(l.mean, outputs);
        l.rolling_variance_gpu = cuda_make_array(l.variance, outputs);

        l.mean_delta_gpu = cuda_make_array(l.mean, outputs);
        l.variance_delta_gpu = cuda_make_array(l.variance, outputs);

        l.x_gpu = cuda_make_array(l.output, total_batch*outputs);
        l.x_norm_gpu = cuda_make_array(l.output, total_batch*outputs);
    }
#ifdef CUDNN
    create_convolutional_cudnn_tensors(&l);
    cudnn_convolutional_setup(&l, cudnn_fastest, 0);   // cudnn_fastest, cudnn_smallest
    l.workspace_size = get_connected_workspace_size(l);
#endif  // CUDNN
#endif  // GPU
    fprintf(stderr, "connected                            %4d  ->  %4d\n", inputs, outputs);
    return l;
}

void update_connected_layer(connected_layer l, int batch, float learning_rate, float momentum, float decay)
{
    axpy_cpu(l.outputs, learning_rate/batch, l.bias_updates, 1, l.biases, 1);
    scal_cpu(l.outputs, momentum, l.bias_updates, 1);

    if(l.batch_normalize){
        axpy_cpu(l.outputs, learning_rate/batch, l.scale_updates, 1, l.scales, 1);
        scal_cpu(l.outputs, momentum, l.scale_updates, 1);
    }

    axpy_cpu(l.inputs*l.outputs, -decay*batch, l.weights, 1, l.weight_updates, 1);
    axpy_cpu(l.inputs*l.outputs, learning_rate/batch, l.weight_updates, 1, l.weights, 1);
    scal_cpu(l.inputs*l.outputs, momentum, l.weight_updates, 1);
}

void forward_connected_layer(connected_layer l, network_state state)
{
    int i;
    fill_cpu(l.outputs*l.batch, 0, l.output, 1);
    int m = l.batch;
    int k = l.inputs;
    int n = l.outputs;
    float *a = state.input;
    float *b = l.weights;
    float *c = l.output;
    gemm(0,1,m,n,k,1,a,k,b,k,1,c,n);
    if(l.batch_normalize){
        if(state.train){
            mean_cpu(l.output, l.batch, l.outputs, 1, l.mean);
            variance_cpu(l.output, l.mean, l.batch, l.outputs, 1, l.variance);

            scal_cpu(l.outputs, .95f, l.rolling_mean, 1);
            axpy_cpu(l.outputs, .05f, l.mean, 1, l.rolling_mean, 1);
            scal_cpu(l.outputs, .95f, l.rolling_variance, 1);
            axpy_cpu(l.outputs, .05f, l.variance, 1, l.rolling_variance, 1);

            copy_cpu(l.outputs*l.batch, l.output, 1, l.x, 1);
            normalize_cpu(l.output, l.mean, l.variance, l.batch, l.outputs, 1);
            copy_cpu(l.outputs*l.batch, l.output, 1, l.x_norm, 1);
        } else {
            normalize_cpu(l.output, l.rolling_mean, l.rolling_variance, l.batch, l.outputs, 1);
        }
        scale_bias(l.output, l.scales, l.batch, l.outputs, 1);
    }
    for(i = 0; i < l.batch; ++i){
        axpy_cpu(l.outputs, 1, l.biases, 1, l.output + i*l.outputs, 1);
    }
    activate_array(l.output, l.outputs*l.batch, l.activation);
}

void backward_connected_layer(connected_layer l, network_state state)
{
    int i;
    gradient_array(l.output, l.outputs*l.batch, l.activation, l.delta);
    for(i = 0; i < l.batch; ++i){
        axpy_cpu(l.outputs, 1, l.delta + i*l.outputs, 1, l.bias_updates, 1);
    }
    if(l.batch_normalize){
        backward_scale_cpu(l.x_norm, l.delta, l.batch, l.outputs, 1, l.scale_updates);

        scale_bias(l.delta, l.scales, l.batch, l.outputs, 1);

        mean_delta_cpu(l.delta, l.variance, l.batch, l.outputs, 1, l.mean_delta);
        variance_delta_cpu(l.x, l.delta, l.mean, l.variance, l.batch, l.outputs, 1, l.variance_delta);
        normalize_delta_cpu(l.x, l.mean, l.variance, l.mean_delta, l.variance_delta, l.batch, l.outputs, 1, l.delta);
    }

    int m = l.outputs;
    int k = l.batch;
    int n = l.inputs;
    float *a = l.delta;
    float *b = state.input;
    float *c = l.weight_updates;
    gemm(1,0,m,n,k,1,a,m,b,n,1,c,n);

    m = l.batch;
    k = l.outputs;
    n = l.inputs;

    a = l.delta;
    b = l.weights;
    c = state.delta;

    if(c) gemm(0,0,m,n,k,1,a,k,b,n,1,c,n);
}


void denormalize_connected_layer(layer l)
{
    int i, j;
    for(i = 0; i < l.outputs; ++i){
        float scale = l.scales[i]/sqrt(l.rolling_variance[i] + .000001f);
        for(j = 0; j < l.inputs; ++j){
            l.weights[i*l.inputs + j] *= scale;
        }
        l.biases[i] -= l.rolling_mean[i] * scale;
        l.scales[i] = 1;
        l.rolling_mean[i] = 0;
        l.rolling_variance[i] = 1;
    }
}


void statistics_connected_layer(layer l)
{
    if(l.batch_normalize){
        printf("Scales ");
        print_statistics(l.scales, l.outputs);
        /*
        printf("Rolling Mean ");
        print_statistics(l.rolling_mean, l.outputs);
        printf("Rolling Variance ");
        print_statistics(l.rolling_variance, l.outputs);
        */
    }
    printf("Biases ");
    print_statistics(l.biases, l.outputs);
    printf("Weights ");
    print_statistics(l.weights, l.outputs);
}

#ifdef GPU

void pull_connected_layer(connected_layer l)
{
    cuda_pull_array(l.weights_gpu, l.weights, l.inputs*l.outputs);
    cuda_pull_array(l.biases_gpu, l.biases, l.outputs);
    cuda_pull_array(l.weight_updates_gpu, l.weight_updates, l.inputs*l.outputs);
    cuda_pull_array(l.bias_updates_gpu, l.bias_updates, l.outputs);
    if (l.batch_normalize){
        cuda_pull_array(l.scales_gpu, l.scales, l.outputs);
        cuda_pull_array(l.rolling_mean_gpu, l.rolling_mean, l.outputs);
        cuda_pull_array(l.rolling_variance_gpu, l.rolling_variance, l.outputs);
    }
    CHECK_CUDA(cudaPeekAtLastError());
}

void push_connected_layer(connected_layer l)
{
    cuda_push_array(l.weights_gpu, l.weights, l.inputs*l.outputs);
    cuda_push_array(l.biases_gpu, l.biases, l.outputs);
    cuda_push_array(l.weight_updates_gpu, l.weight_updates, l.inputs*l.outputs);
    cuda_push_array(l.bias_updates_gpu, l.bias_updates, l.outputs);
    if (l.batch_normalize){
        cuda_push_array(l.scales_gpu, l.scales, l.outputs);
        cuda_push_array(l.rolling_mean_gpu, l.rolling_mean, l.outputs);
        cuda_push_array(l.rolling_variance_gpu, l.rolling_variance, l.outputs);
    }
    CHECK_CUDA(cudaPeekAtLastError());
}

void update_connected_layer_gpu(connected_layer l, int batch, float learning_rate_init, float momentum, float decay, float loss_scale)
{
    float learning_rate = learning_rate_init * l.learning_rate_scale;

    // Loss scale for Mixed-Precision on Tensor-Cores
    if (loss_scale != 1.0) {
        scal_ongpu(l.inputs*l.outputs, 1.0 / loss_scale, l.weight_updates_gpu, 1);
        scal_ongpu(l.outputs, 1.0 / loss_scale, l.bias_updates_gpu, 1);
        scal_ongpu(l.outputs, 1.0 / loss_scale, l.scale_updates_gpu, 1);
    }

    axpy_ongpu(l.outputs, learning_rate/batch, l.bias_updates_gpu, 1, l.biases_gpu, 1);
    scal_ongpu(l.outputs, momentum, l.bias_updates_gpu, 1);

    if(l.batch_normalize){
        axpy_ongpu(l.outputs, learning_rate/batch, l.scale_updates_gpu, 1, l.scales_gpu, 1);
        scal_ongpu(l.outputs, momentum, l.scale_updates_gpu, 1);
    }

    axpy_ongpu(l.inputs*l.outputs, -decay*batch, l.weights_gpu, 1, l.weight_updates_gpu, 1);
    axpy_ongpu(l.inputs*l.outputs, learning_rate/batch, l.weight_updates_gpu, 1, l.weights_gpu, 1);
    scal_ongpu(l.inputs*l.outputs, momentum, l.weight_updates_gpu, 1);
}

void forward_connected_layer_gpu(connected_layer l, network_state state)
{
    fill_ongpu(l.outputs*l.batch, 0, l.output_gpu, 1);

    int m = l.batch;
    int k = l.inputs;
    int n = l.outputs;
    float * a = state.input;
    float * b = l.weights_gpu;
    float * c = l.output_gpu;
#ifdef CUDNN
    float one = 1;    // alpha[0], beta[0]
    float alpha = 1, beta = 0;

    CHECK_CUDNN(cudnnConvolutionForward(cudnn_handle(),
        &alpha, //&one,
        l.srcTensorDesc,
        state.input,
        l.weightDesc,
        l.weights_gpu,
        l.convDesc,
        l.fw_algo,
        state.workspace,
        l.workspace_size,
        &beta,  //&one,
        l.dstTensorDesc,
        l.output_gpu));
#else // CUDNN
    gemm_ongpu(0,1,m,n,k,1,a,k,b,k,1,c,n);
#endif // CUDNN

   if (l.batch_normalize) {
      forward_batchnorm_layer_gpu(l, state);
   }
   else {
      add_bias_gpu(l.output_gpu, l.biases_gpu, l.batch, l.outputs, 1);
   }
    //for(i = 0; i < l.batch; ++i) axpy_ongpu(l.outputs, 1, l.biases_gpu, 1, l.output_gpu + i*l.outputs, 1);
    activate_array_ongpu(l.output_gpu, l.outputs*l.batch, l.activation);
}

void backward_connected_layer_gpu(connected_layer l, network_state state)
{
    int i;
    constrain_ongpu(l.outputs*l.batch, 1, l.delta_gpu, 1);
    gradient_array_ongpu(l.output_gpu, l.outputs*l.batch, l.activation, l.delta_gpu);
    for(i = 0; i < l.batch; ++i){
        axpy_ongpu(l.outputs, 1, l.delta_gpu + i*l.outputs, 1, l.bias_updates_gpu, 1);
    }

    if(l.batch_normalize){
        backward_batchnorm_layer_gpu(l, state);
    }

#ifdef CUDNN_DISABLED
    float one = 1;
    // calculate conv weight updates
    // if used: beta=1 then loss decreases faster
    CHECK_CUDNN(cudnnConvolutionBackwardFilter(cudnn_handle(),
        &one,
        l.srcTensorDesc,
        state.input,
        l.ddstTensorDesc,
        l.delta_gpu,
        l.convDesc,
        l.bf_algo,
        state.workspace,
        l.workspace_size,
        &one,
        l.dweightDesc,
        l.weight_updates_gpu));

    if (state.delta) {
        // http://docs.nvidia.com/deeplearning/sdk/cudnn-developer-guide/index.html#cudnnConvolutionBackwardData
        // calculate delta for the next layer

        CHECK_CUDNN(cudnnConvolutionBackwardData(cudnn_handle(),
            &one,
            l.weightDesc,
            l.weights_gpu,
            l.ddstTensorDesc,
            l.delta_gpu,
            l.convDesc,
            l.bd_algo,
            state.workspace,
            l.workspace_size,
            &one,
            l.dsrcTensorDesc,
            state.delta));
    }
#else // CUDNN

    int m = l.outputs;
    int k = l.batch;
    int n = l.inputs;
    float * a = l.delta_gpu;
    float * b = state.input;
    float * c = l.weight_updates_gpu;

    gemm_ongpu(1,0,m,n,k,1,a,m,b,n,1,c,n);

    m = l.batch;
    k = l.outputs;
    n = l.inputs;

    a = l.delta_gpu;
    b = l.weights_gpu;
    c = state.delta;

    if(c) gemm_ongpu(0,0,m,n,k,1,a,k,b,n,1,c,n);
#endif // CUDNN
}
#endif