git.sesse.net Git - ffmpeg/blob - tests/dnn/dnn-layer-avgpool-test.c

   1 /*
   2  * Copyright (c) 2020
   3  *
   4  * This file is part of FFmpeg.
   5  *
   6  * FFmpeg is free software; you can redistribute it and/or
   7  * modify it under the terms of the GNU Lesser General Public
   8  * License as published by the Free Software Foundation; either
   9  * version 2.1 of the License, or (at your option) any later version.
  10  *
  11  * FFmpeg is distributed in the hope that it will be useful,
  12  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  13  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  14  * Lesser General Public License for more details.
  15  *
  16  * You should have received a copy of the GNU Lesser General Public
  17  * License along with FFmpeg; if not, write to the Free Software
  18  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
  19  */
  20
  21 #include <stdio.h>
  22 #include "libavfilter/dnn/dnn_backend_native_layer_avgpool.h"
  23
  24 #define EPSON 0.00001
  25
  26 static int test_with_same(void)
  27 {
  28     // the input data and expected data are generated with below python code.
  29     /*
  30     import tensorflow as tf
  31     import numpy as np
  32
  33     x = tf.placeholder(tf.float32, shape=[1, None, None, 3])
  34     y = tf.layers.average_pooling2d(x, pool_size=[2,2], strides=[1,1], padding='VALID')
  35     data = np.random.rand(1, 5, 6, 3);
  36
  37     sess=tf.Session()
  38     sess.run(tf.global_variables_initializer())
  39
  40     output = sess.run(y, feed_dict={x: data})
  41
  42     print("input:")
  43     print(data.shape)
  44     print(list(data.flatten()))
  45
  46     print("output:")
  47     print(output.shape)
  48     print(list(output.flatten()))
  49     */
  50
  51     AvgPoolParams params;
  52     DnnOperand operands[2];
  53     int32_t input_indexes[1];
  54     float input[1*5*6*3] = {
  55         0.7461309859908424, 0.7567538372797069, 0.07662743569678687, 0.8882112610336333, 0.9720443314026668, 0.3337200343220823, 0.4421032129780248,
  56         0.14940809044964876, 0.6773177061961277, 0.9778844630669781, 0.6522650522626998, 0.0317651530878591, 0.31259897552911364, 0.6235936821891896,
  57         0.40016094349542775, 0.4599222930032276, 0.7893807222960093, 0.8475986363538283, 0.5058802717647394, 0.7827005363222633, 0.3032188123727916,
  58         0.8983728631302361, 0.20622408444965523, 0.22966072303869878, 0.09535751273161308, 0.8760709100995375, 0.9982324154558745, 0.7904595468621013,
  59         0.13883671508879347, 0.9332751439533138, 0.0010861680752152214, 0.3607210449251048, 0.6600652759586171, 0.7629572058138805, 0.29441975810476106,
  60         0.2683471432889405, 0.22574580829831536, 0.8893251976212904, 0.3907737043801005, 0.6421829842863968, 0.6670373870457297, 0.9383850793160277,
  61         0.4120458907436003, 0.3589847212711481, 0.48047736550128983, 0.6428192648418949, 0.0313661686292348, 0.429357100401472, 0.5123413386514056,
  62         0.8492446404097114, 0.9045286128486804, 0.8123708563814285, 0.3943245008451698, 0.9576713003177785, 0.5985610965938726, 0.9350833279543561,
  63         0.8010079897491659, 0.45882114217642866, 0.35275037908941487, 0.4555844661432271, 0.12352455940255314, 0.37801756635035544, 0.2824056214573083,
  64         0.6229462823245029, 0.7235305681391472, 0.5408259266122064, 0.12142224381781208, 0.34431198802873686, 0.7112823816321276, 0.6307144385115417,
  65         0.8136734589018082, 0.842095618140585, 0.8602767724004784, 0.6649236853766185, 0.5184782829419623, 0.9119607270982825, 0.3084111974561645,
  66         0.39460705638161364, 0.17710447526170836, 0.1715485945814199, 0.17277563576521882, 0.40188232428735704, 0.22847985411491878, 0.4135361701550696,
  67         0.24621846601980057, 0.6576588108454774, 0.6063336087333997, 0.6452342242996931, 0.7071689702737508, 0.1973416063225648
  68     };
  69     float expected_output[] = {
  70         0.75964886, 0.6794307, 0.23580676, 0.5810112, 0.5509369, 0.55973274, 0.5764512, 0.45414522, 0.6601476, 0.52050734, 0.44385415,
  71         0.50631666, 0.38414115, 0.5170288, 0.544043, 0.61143976, 0.5419003, 0.5579729, 0.5680455, 0.6363218, 0.4655096, 0.51198983,
  72         0.5270792, 0.66168886, 0.48517057, 0.3513146, 0.7103355, 0.48667657, 0.34504217, 0.7318065, 0.5221889, 0.4746775, 0.69765306,
  73         0.78766406, 0.34437215, 0.6130092, 0.48132777, 0.7110491, 0.6464378, 0.40914366, 0.4391975, 0.5392131, 0.45033398, 0.37297475,
  74         0.43326652, 0.4748823, 0.48711336, 0.64649844, 0.51921225, 0.60038865, 0.8538945, 0.7215426, 0.60399896, 0.89988345, 0.707405,
  75         0.5652921, 0.54241943, 0.41785273, 0.30268195, 0.3263432, 0.3313644, 0.37539417, 0.35238582, 0.34811732, 0.48849532, 0.56799453,
  76         0.41089734, 0.63070333, 0.5892633, 0.6379743, 0.7604212, 0.5197186, 0.88611877, 0.48666745, 0.45654267, 0.5445326, 0.2399799,
  77         0.28369135, 0.28949338, 0.20001422, 0.2931559, 0.3240504, 0.44306934, 0.5099349, 0.44572634, 0.68241394, 0.40183762, 0.6452342,
  78         0.707169, 0.1973416
  79     };
  80     float *output;
  81
  82     params.strides = 1;
  83     params.kernel_size = 2;
  84     params.padding_method = SAME;
  85
  86     operands[0].data = input;
  87     operands[0].dims[0] = 1;
  88     operands[0].dims[1] = 5;
  89     operands[0].dims[2] = 6;
  90     operands[0].dims[3] = 3;
  91     operands[1].data = NULL;
  92
  93     input_indexes[0] = 0;
  94     ff_dnn_execute_layer_avg_pool(operands, input_indexes, 1, &params, NULL);
  95
  96     output = operands[1].data;
  97     for (int i = 0; i < sizeof(expected_output) / sizeof(float); ++i) {
  98         if (fabs(output[i] - expected_output[i]) > EPSON) {
  99             printf("at index %d, output: %f, expected_output: %f\n", i, output[i], expected_output[i]);
 100             av_freep(&output);
 101             return 1;
 102         }
 103     }
 104
 105     av_freep(&output);
 106     return 0;
 107 }
 108
 109 static int test_with_valid(void)
 110 {
 111     // the input data and expected data are generated with below python code.
 112     /*
 113     import tensorflow as tf
 114     import numpy as np
 115
 116     x = tf.placeholder(tf.float32, shape=[1, None, None, 3])
 117     y = tf.layers.average_pooling2d(x, pool_size=[2,2], strides=[1,1], padding='VALID')
 118     data = np.random.rand(1, 5, 6, 3);
 119
 120     sess=tf.Session()
 121     sess.run(tf.global_variables_initializer())
 122
 123     output = sess.run(y, feed_dict={x: data})
 124
 125     print("input:")
 126     print(data.shape)
 127     print(list(data.flatten()))
 128
 129     print("output:")
 130     print(output.shape)
 131     print(list(output.flatten()))
 132     */
 133
 134     AvgPoolParams params;
 135     DnnOperand operands[2];
 136     int32_t input_indexes[1];
 137     float input[1*5*6*3] = {
 138         0.5046741692941682, 0.9273653202485155, 0.8193878359859937, 0.1904059431360905, 0.8664919633253656, 0.7484625128286059, 0.984534184632278,
 139         0.31900804890072254, 0.3259426099940872, 0.05388974903570376, 0.7356610151331133, 0.46710858713311965, 0.718553768817036, 0.062478421853278676,
 140         0.7813224786584609, 0.4826837517658389, 0.9748095400220147, 0.8078547703898341, 0.11976750668368585, 0.8713586777195065, 0.41447321551284355,
 141         0.9818788239089807, 0.4335715767584073, 0.4059793452147419, 0.3677205907204525, 0.47919995923571, 0.8341395256258882, 0.7059726374074609,
 142         0.5478504551919791, 0.8622900484790175, 0.8343709722511167, 0.05089827275068537, 0.6465283980840416, 0.544539116066677, 0.39812057257884337,
 143         0.9578115576866337, 0.25012888117580145, 0.579333516024662, 0.5556732133051457, 0.6119862111181243, 0.0018736758772316398, 0.9795490254040474,
 144         0.4488085008883018, 0.28947489777011737, 0.4834108668633247, 0.9280490084385024, 0.9895821458049648, 0.31777618554697606, 0.42679693258977847,
 145         0.74447844466923, 0.9752225305081498, 0.17564130841849335, 0.22382692067314292, 0.009602884447469373, 0.5144884415025782, 0.031622570708844555,
 146         0.8277532752502512, 0.4111593210409763, 0.5272084646575664, 0.28856508082905297, 0.11317726946036655, 0.7203328275540273, 0.8310055019972384,
 147         0.8535951508685228, 0.40230347305233227, 0.2819703265132867, 0.6243143957791139, 0.7512463693822311, 0.7523056340495644, 0.8838077258040928,
 148         0.5472240664033092, 0.2550538284454935, 0.5560317774456567, 0.8966847087518931, 0.6728358284165321, 0.30361297147530875, 0.464343925441822,
 149         0.34507695659461224, 0.6333175615390685, 0.26661369038523497, 0.9926748632253231, 0.9994267301382666, 0.8684917986974414, 0.3598754806113009,
 150         0.49550268625464666, 0.03652458679973214, 0.13469081713137177, 0.4579424049273835, 0.48641107969110353, 0.9670250266945365
 151     };
 152     float expected_output[1*4*5*3] = {
 153         0.44918162, 0.7746969, 0.5970757, 0.63113487, 0.5245679, 0.578631, 0.52802926, 0.52042985, 0.6223702, 0.57819676, 0.34922206,
 154         0.6893124, 0.64503694, 0.37157673, 0.7983793, 0.49094033, 0.47153437, 0.5889187, 0.6025985, 0.30103004, 0.6757697, 0.6126377,
 155         0.5765268, 0.62440413, 0.7237974, 0.5832023, 0.7004543, 0.49533707, 0.35433105, 0.6472913, 0.44694072, 0.28500956, 0.6628852,
 156         0.39628282, 0.38472247, 0.6456326, 0.58590746, 0.60042334, 0.47854072, 0.7081889, 0.7219026, 0.5818187, 0.5276401, 0.56669396,
 157         0.49804622, 0.4463231, 0.4799649, 0.5335578, 0.36531678, 0.4946247, 0.6143306, 0.6498792, 0.5644355, 0.6163815, 0.7432098,
 158         0.5146416, 0.38221055, 0.6153918, 0.45535153, 0.5272688
 159     };
 160     float *output;
 161
 162     params.strides = 1;
 163     params.kernel_size = 2;
 164     params.padding_method = VALID;
 165
 166     operands[0].data = input;
 167     operands[0].dims[0] = 1;
 168     operands[0].dims[1] = 5;
 169     operands[0].dims[2] = 6;
 170     operands[0].dims[3] = 3;
 171     operands[1].data = NULL;
 172
 173     input_indexes[0] = 0;
 174     ff_dnn_execute_layer_avg_pool(operands, input_indexes, 1, &params, NULL);
 175
 176     output = operands[1].data;
 177     for (int i = 0; i < sizeof(expected_output) / sizeof(float); ++i) {
 178         if (fabs(output[i] - expected_output[i]) > EPSON) {
 179             printf("at index %d, output: %f, expected_output: %f\n", i, output[i], expected_output[i]);
 180             av_freep(&output);
 181             return 1;
 182         }
 183     }
 184
 185     av_freep(&output);
 186     return 0;
 187 }
 188
 189 int main(int argc, char **argv)
 190 {
 191     if (test_with_same())
 192         return 1;
 193     if (test_with_valid())
 194         return 1;
 195
 196     return 0;
 197 }