up new v4

Scheaven

2021-06-03 168af40fe9a3cc81c6ee16b3e81f154780c36bdb

 lib/detecter_tools/darknet/scale_channels_layer.c

@@ -1,150 +1,150 @@
#include "scale_channels_layer.h"

#include "utils.h"

#include "dark_cuda.h"

#include "blas.h"

#include <stdio.h>

#include <assert.h>



layer make_scale_channels_layer(int batch, int index, int w, int h, int c, int w2, int h2, int c2, int scale_wh)

{

    fprintf(stderr,"scale Layer: %d\n", index);

    layer l = { (LAYER_TYPE)0 };

    l.type = SCALE_CHANNELS;

    l.batch = batch;

    l.scale_wh = scale_wh;

    l.w = w;

    l.h = h;

    l.c = c;

    if (!l.scale_wh) assert(w == 1 && h == 1);

    else assert(c == 1);



    l.out_w = w2;

    l.out_h = h2;

    l.out_c = c2;

    if (!l.scale_wh) assert(l.out_c == l.c);

    else assert(l.out_w == l.w && l.out_h == l.h);



    l.outputs = l.out_w*l.out_h*l.out_c;

    l.inputs = l.outputs;

    l.index = index;



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

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



    l.forward = forward_scale_channels_layer;

    l.backward = backward_scale_channels_layer;

#ifdef GPU

    l.forward_gpu = forward_scale_channels_layer_gpu;

    l.backward_gpu = backward_scale_channels_layer_gpu;



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

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

#endif

    return l;

}



void resize_scale_channels_layer(layer *l, network *net)

{

    layer first = net->layers[l->index];

    l->out_w = first.out_w;

    l->out_h = first.out_h;

    l->outputs = l->out_w*l->out_h*l->out_c;

    l->inputs = l->outputs;

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

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



#ifdef GPU

    cuda_free(l->output_gpu);

    cuda_free(l->delta_gpu);

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

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

#endif



}



void forward_scale_channels_layer(const layer l, network_state state)

{

    int size = l.batch * l.out_c * l.out_w * l.out_h;

    int channel_size = l.out_w * l.out_h;

    int batch_size = l.out_c * l.out_w * l.out_h;

    float *from_output = state.net.layers[l.index].output;



    if (l.scale_wh) {

        int i;

        #pragma omp parallel for

        for (i = 0; i < size; ++i) {

            int input_index = i % channel_size + (i / batch_size)*channel_size;



            l.output[i] = state.input[input_index] * from_output[i];

        }

    }

    else {

        int i;

        #pragma omp parallel for

        for (i = 0; i < size; ++i) {

            l.output[i] = state.input[i / channel_size] * from_output[i];

        }

    }



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

}



void backward_scale_channels_layer(const layer l, network_state state)

{

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

    //axpy_cpu(l.outputs*l.batch, 1, l.delta, 1, state.delta, 1);

    //scale_cpu(l.batch, l.out_w, l.out_h, l.out_c, l.delta, l.w, l.h, l.c, state.net.layers[l.index].delta);



    int size = l.batch * l.out_c * l.out_w * l.out_h;

    int channel_size = l.out_w * l.out_h;

    int batch_size = l.out_c * l.out_w * l.out_h;

    float *from_output = state.net.layers[l.index].output;

    float *from_delta = state.net.layers[l.index].delta;



    if (l.scale_wh) {

        int i;

        #pragma omp parallel for

        for (i = 0; i < size; ++i) {

            int input_index = i % channel_size + (i / batch_size)*channel_size;



            state.delta[input_index] += l.delta[i] * from_output[i];// / l.out_c; // l.delta * from  (should be divided by l.out_c?)



            from_delta[i] += state.input[input_index] * l.delta[i]; // input * l.delta

        }

    }

    else {

        int i;

        #pragma omp parallel for

        for (i = 0; i < size; ++i) {

            state.delta[i / channel_size] += l.delta[i] * from_output[i];// / channel_size; // l.delta * from  (should be divided by channel_size?)



            from_delta[i] += state.input[i / channel_size] * l.delta[i]; // input * l.delta

        }

    }

}



#ifdef GPU

void forward_scale_channels_layer_gpu(const layer l, network_state state)

{

    int size = l.batch * l.out_c * l.out_w * l.out_h;

    int channel_size = l.out_w * l.out_h;

    int batch_size = l.out_c * l.out_w * l.out_h;



    scale_channels_gpu(state.net.layers[l.index].output_gpu, size, channel_size, batch_size, l.scale_wh, state.input, l.output_gpu);



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

}



void backward_scale_channels_layer_gpu(const layer l, network_state state)

{

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



    int size = l.batch * l.out_c * l.out_w * l.out_h;

    int channel_size = l.out_w * l.out_h;

    int batch_size = l.out_c * l.out_w * l.out_h;

    float *from_output = state.net.layers[l.index].output_gpu;

    float *from_delta = state.net.layers[l.index].delta_gpu;



    backward_scale_channels_gpu(l.delta_gpu, size, channel_size, batch_size, l.scale_wh, state.input, from_delta, from_output, state.delta);

}

#endif

#include "scale_channels_layer.h"
#include "utils.h"
#include "dark_cuda.h"
#include "blas.h"
#include <stdio.h>
#include <assert.h>

layer make_scale_channels_layer(int batch, int index, int w, int h, int c, int w2, int h2, int c2, int scale_wh)
{
    fprintf(stderr,"scale Layer: %d\n", index);
    layer l = { (LAYER_TYPE)0 };
    l.type = SCALE_CHANNELS;
    l.batch = batch;
    l.scale_wh = scale_wh;
    l.w = w;
    l.h = h;
    l.c = c;
    if (!l.scale_wh) assert(w == 1 && h == 1);
    else assert(c == 1);

    l.out_w = w2;
    l.out_h = h2;
    l.out_c = c2;
    if (!l.scale_wh) assert(l.out_c == l.c);
    else assert(l.out_w == l.w && l.out_h == l.h);

    l.outputs = l.out_w*l.out_h*l.out_c;
    l.inputs = l.outputs;
    l.index = index;

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

    l.forward = forward_scale_channels_layer;
    l.backward = backward_scale_channels_layer;
#ifdef GPU
    l.forward_gpu = forward_scale_channels_layer_gpu;
    l.backward_gpu = backward_scale_channels_layer_gpu;

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

void resize_scale_channels_layer(layer *l, network *net)
{
    layer first = net->layers[l->index];
    l->out_w = first.out_w;
    l->out_h = first.out_h;
    l->outputs = l->out_w*l->out_h*l->out_c;
    l->inputs = l->outputs;
    l->delta = (float*)xrealloc(l->delta, l->outputs * l->batch * sizeof(float));
    l->output = (float*)xrealloc(l->output, l->outputs * l->batch * sizeof(float));

#ifdef GPU
    cuda_free(l->output_gpu);
    cuda_free(l->delta_gpu);
    l->output_gpu = cuda_make_array(l->output, l->outputs*l->batch);
    l->delta_gpu = cuda_make_array(l->delta, l->outputs*l->batch);
#endif

}

void forward_scale_channels_layer(const layer l, network_state state)
{
    int size = l.batch * l.out_c * l.out_w * l.out_h;
    int channel_size = l.out_w * l.out_h;
    int batch_size = l.out_c * l.out_w * l.out_h;
    float *from_output = state.net.layers[l.index].output;

    if (l.scale_wh) {
        int i;
        #pragma omp parallel for
        for (i = 0; i < size; ++i) {
            int input_index = i % channel_size + (i / batch_size)*channel_size;

            l.output[i] = state.input[input_index] * from_output[i];
        }
    }
    else {
        int i;
        #pragma omp parallel for
        for (i = 0; i < size; ++i) {
            l.output[i] = state.input[i / channel_size] * from_output[i];
        }
    }

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

void backward_scale_channels_layer(const layer l, network_state state)
{
    gradient_array(l.output, l.outputs*l.batch, l.activation, l.delta);
    //axpy_cpu(l.outputs*l.batch, 1, l.delta, 1, state.delta, 1);
    //scale_cpu(l.batch, l.out_w, l.out_h, l.out_c, l.delta, l.w, l.h, l.c, state.net.layers[l.index].delta);

    int size = l.batch * l.out_c * l.out_w * l.out_h;
    int channel_size = l.out_w * l.out_h;
    int batch_size = l.out_c * l.out_w * l.out_h;
    float *from_output = state.net.layers[l.index].output;
    float *from_delta = state.net.layers[l.index].delta;

    if (l.scale_wh) {
        int i;
        #pragma omp parallel for
        for (i = 0; i < size; ++i) {
            int input_index = i % channel_size + (i / batch_size)*channel_size;

            state.delta[input_index] += l.delta[i] * from_output[i];// / l.out_c; // l.delta * from  (should be divided by l.out_c?)

            from_delta[i] += state.input[input_index] * l.delta[i]; // input * l.delta
        }
    }
    else {
        int i;
        #pragma omp parallel for
        for (i = 0; i < size; ++i) {
            state.delta[i / channel_size] += l.delta[i] * from_output[i];// / channel_size; // l.delta * from  (should be divided by channel_size?)

            from_delta[i] += state.input[i / channel_size] * l.delta[i]; // input * l.delta
        }
    }
}

#ifdef GPU
void forward_scale_channels_layer_gpu(const layer l, network_state state)
{
    int size = l.batch * l.out_c * l.out_w * l.out_h;
    int channel_size = l.out_w * l.out_h;
    int batch_size = l.out_c * l.out_w * l.out_h;

    scale_channels_gpu(state.net.layers[l.index].output_gpu, size, channel_size, batch_size, l.scale_wh, state.input, l.output_gpu);

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

void backward_scale_channels_layer_gpu(const layer l, network_state state)
{
    gradient_array_ongpu(l.output_gpu, l.outputs*l.batch, l.activation, l.delta_gpu);

    int size = l.batch * l.out_c * l.out_w * l.out_h;
    int channel_size = l.out_w * l.out_h;
    int batch_size = l.out_c * l.out_w * l.out_h;
    float *from_output = state.net.layers[l.index].output_gpu;
    float *from_delta = state.net.layers[l.index].delta_gpu;

    backward_scale_channels_gpu(l.delta_gpu, size, channel_size, batch_size, l.scale_wh, state.input, from_delta, from_output, state.delta);
}
#endif