up new v4

Scheaven

2021-06-03 168af40fe9a3cc81c6ee16b3e81f154780c36bdb

 lib/detecter_tools/darknet/cost_layer.c

@@ -1,148 +1,148 @@
#include "cost_layer.h"

#include "utils.h"

#include "dark_cuda.h"

#include "blas.h"

#include <math.h>

#include <string.h>

#include <stdlib.h>

#include <stdio.h>



COST_TYPE get_cost_type(char *s)

{

    if (strcmp(s, "sse")==0) return SSE;

    if (strcmp(s, "masked")==0) return MASKED;

    if (strcmp(s, "smooth")==0) return SMOOTH;

    fprintf(stderr, "Couldn't find cost type %s, going with SSE\n", s);

    return SSE;

}



char *get_cost_string(COST_TYPE a)

{

    switch(a){

        case SSE:

            return "sse";

        case MASKED:

            return "masked";

        case SMOOTH:

            return "smooth";

      default:

         return "sse";

    }

}



cost_layer make_cost_layer(int batch, int inputs, COST_TYPE cost_type, float scale)

{

    fprintf(stderr, "cost                                           %4d\n",  inputs);

    cost_layer l = { (LAYER_TYPE)0 };

    l.type = COST;



    l.scale = scale;

    l.batch = batch;

    l.inputs = inputs;

    l.outputs = inputs;

    l.cost_type = cost_type;

    l.delta = (float*)xcalloc(inputs * batch, sizeof(float));

    l.output = (float*)xcalloc(inputs * batch, sizeof(float));

    l.cost = (float*)xcalloc(1, sizeof(float));



    l.forward = forward_cost_layer;

    l.backward = backward_cost_layer;

    #ifdef GPU

    l.forward_gpu = forward_cost_layer_gpu;

    l.backward_gpu = backward_cost_layer_gpu;



    l.delta_gpu = cuda_make_array(l.delta, inputs*batch);

    l.output_gpu = cuda_make_array(l.output, inputs*batch);

    #endif

    return l;

}



void resize_cost_layer(cost_layer *l, int inputs)

{

    l->inputs = inputs;

    l->outputs = inputs;

    l->delta = (float*)xrealloc(l->delta, inputs * l->batch * sizeof(float));

    l->output = (float*)xrealloc(l->output, inputs * l->batch * sizeof(float));

#ifdef GPU

    cuda_free(l->delta_gpu);

    cuda_free(l->output_gpu);

    l->delta_gpu = cuda_make_array(l->delta, inputs*l->batch);

    l->output_gpu = cuda_make_array(l->output, inputs*l->batch);

#endif

}



void forward_cost_layer(cost_layer l, network_state state)

{

    if (!state.truth) return;

    if(l.cost_type == MASKED){

        int i;

        for(i = 0; i < l.batch*l.inputs; ++i){

            if(state.truth[i] == SECRET_NUM) state.input[i] = SECRET_NUM;

        }

    }

    if(l.cost_type == SMOOTH){

        smooth_l1_cpu(l.batch*l.inputs, state.input, state.truth, l.delta, l.output);

    } else {

        l2_cpu(l.batch*l.inputs, state.input, state.truth, l.delta, l.output);

    }

    l.cost[0] = sum_array(l.output, l.batch*l.inputs);

}



void backward_cost_layer(const cost_layer l, network_state state)

{

    axpy_cpu(l.batch*l.inputs, l.scale, l.delta, 1, state.delta, 1);

}



#ifdef GPU



void pull_cost_layer(cost_layer l)

{

    cuda_pull_array(l.delta_gpu, l.delta, l.batch*l.inputs);

}



void push_cost_layer(cost_layer l)

{

    cuda_push_array(l.delta_gpu, l.delta, l.batch*l.inputs);

}



int float_abs_compare (const void * a, const void * b)

{

    float fa = *(const float*) a;

    if(fa < 0) fa = -fa;

    float fb = *(const float*) b;

    if(fb < 0) fb = -fb;

    return (fa > fb) - (fa < fb);

}



void forward_cost_layer_gpu(cost_layer l, network_state state)

{

    if (!state.truth) return;

    if (l.cost_type == MASKED) {

        mask_ongpu(l.batch*l.inputs, state.input, SECRET_NUM, state.truth);

    }



    if(l.cost_type == SMOOTH){

        smooth_l1_gpu(l.batch*l.inputs, state.input, state.truth, l.delta_gpu, l.output_gpu);

    } else {

        l2_gpu(l.batch*l.inputs, state.input, state.truth, l.delta_gpu, l.output_gpu);

    }



    if(l.ratio){

        cuda_pull_array(l.delta_gpu, l.delta, l.batch*l.inputs);

        qsort(l.delta, l.batch*l.inputs, sizeof(float), float_abs_compare);

        int n = (1-l.ratio) * l.batch*l.inputs;

        float thresh = l.delta[n];

        thresh = 0;

        printf("%f\n", thresh);

        supp_ongpu(l.batch*l.inputs, thresh, l.delta_gpu, 1);

    }



    cuda_pull_array(l.output_gpu, l.output, l.batch*l.inputs);

    l.cost[0] = sum_array(l.output, l.batch*l.inputs);

}



void backward_cost_layer_gpu(const cost_layer l, network_state state)

{

    axpy_ongpu(l.batch*l.inputs, l.scale, l.delta_gpu, 1, state.delta, 1);

}

#endif

#include "cost_layer.h"
#include "utils.h"
#include "dark_cuda.h"
#include "blas.h"
#include <math.h>
#include <string.h>
#include <stdlib.h>
#include <stdio.h>

COST_TYPE get_cost_type(char *s)
{
    if (strcmp(s, "sse")==0) return SSE;
    if (strcmp(s, "masked")==0) return MASKED;
    if (strcmp(s, "smooth")==0) return SMOOTH;
    fprintf(stderr, "Couldn't find cost type %s, going with SSE\n", s);
    return SSE;
}

char *get_cost_string(COST_TYPE a)
{
    switch(a){
        case SSE:
            return "sse";
        case MASKED:
            return "masked";
        case SMOOTH:
            return "smooth";
      default:
         return "sse";
    }
}

cost_layer make_cost_layer(int batch, int inputs, COST_TYPE cost_type, float scale)
{
    fprintf(stderr, "cost                                           %4d\n",  inputs);
    cost_layer l = { (LAYER_TYPE)0 };
    l.type = COST;

    l.scale = scale;
    l.batch = batch;
    l.inputs = inputs;
    l.outputs = inputs;
    l.cost_type = cost_type;
    l.delta = (float*)xcalloc(inputs * batch, sizeof(float));
    l.output = (float*)xcalloc(inputs * batch, sizeof(float));
    l.cost = (float*)xcalloc(1, sizeof(float));

    l.forward = forward_cost_layer;
    l.backward = backward_cost_layer;
    #ifdef GPU
    l.forward_gpu = forward_cost_layer_gpu;
    l.backward_gpu = backward_cost_layer_gpu;

    l.delta_gpu = cuda_make_array(l.delta, inputs*batch);
    l.output_gpu = cuda_make_array(l.output, inputs*batch);
    #endif
    return l;
}

void resize_cost_layer(cost_layer *l, int inputs)
{
    l->inputs = inputs;
    l->outputs = inputs;
    l->delta = (float*)xrealloc(l->delta, inputs * l->batch * sizeof(float));
    l->output = (float*)xrealloc(l->output, inputs * l->batch * sizeof(float));
#ifdef GPU
    cuda_free(l->delta_gpu);
    cuda_free(l->output_gpu);
    l->delta_gpu = cuda_make_array(l->delta, inputs*l->batch);
    l->output_gpu = cuda_make_array(l->output, inputs*l->batch);
#endif
}

void forward_cost_layer(cost_layer l, network_state state)
{
    if (!state.truth) return;
    if(l.cost_type == MASKED){
        int i;
        for(i = 0; i < l.batch*l.inputs; ++i){
            if(state.truth[i] == SECRET_NUM) state.input[i] = SECRET_NUM;
        }
    }
    if(l.cost_type == SMOOTH){
        smooth_l1_cpu(l.batch*l.inputs, state.input, state.truth, l.delta, l.output);
    } else {
        l2_cpu(l.batch*l.inputs, state.input, state.truth, l.delta, l.output);
    }
    l.cost[0] = sum_array(l.output, l.batch*l.inputs);
}

void backward_cost_layer(const cost_layer l, network_state state)
{
    axpy_cpu(l.batch*l.inputs, l.scale, l.delta, 1, state.delta, 1);
}

#ifdef GPU

void pull_cost_layer(cost_layer l)
{
    cuda_pull_array(l.delta_gpu, l.delta, l.batch*l.inputs);
}

void push_cost_layer(cost_layer l)
{
    cuda_push_array(l.delta_gpu, l.delta, l.batch*l.inputs);
}

int float_abs_compare (const void * a, const void * b)
{
    float fa = *(const float*) a;
    if(fa < 0) fa = -fa;
    float fb = *(const float*) b;
    if(fb < 0) fb = -fb;
    return (fa > fb) - (fa < fb);
}

void forward_cost_layer_gpu(cost_layer l, network_state state)
{
    if (!state.truth) return;
    if (l.cost_type == MASKED) {
        mask_ongpu(l.batch*l.inputs, state.input, SECRET_NUM, state.truth);
    }

    if(l.cost_type == SMOOTH){
        smooth_l1_gpu(l.batch*l.inputs, state.input, state.truth, l.delta_gpu, l.output_gpu);
    } else {
        l2_gpu(l.batch*l.inputs, state.input, state.truth, l.delta_gpu, l.output_gpu);
    }

    if(l.ratio){
        cuda_pull_array(l.delta_gpu, l.delta, l.batch*l.inputs);
        qsort(l.delta, l.batch*l.inputs, sizeof(float), float_abs_compare);
        int n = (1-l.ratio) * l.batch*l.inputs;
        float thresh = l.delta[n];
        thresh = 0;
        printf("%f\n", thresh);
        supp_ongpu(l.batch*l.inputs, thresh, l.delta_gpu, 1);
    }

    cuda_pull_array(l.output_gpu, l.output, l.batch*l.inputs);
    l.cost[0] = sum_array(l.output, l.batch*l.inputs);
}

void backward_cost_layer_gpu(const cost_layer l, network_state state)
{
    axpy_ongpu(l.batch*l.inputs, l.scale, l.delta_gpu, 1, state.delta, 1);
}
#endif