Subversion Repositories ScreenTimer

/*

 * Copyright (C) 2010-2018 Arm Limited or its affiliates. All rights reserved.

 *

 * SPDX-License-Identifier: Apache-2.0

 *

 * Licensed under the Apache License, Version 2.0 (the License); you may

 * not use this file except in compliance with the License.

 * You may obtain a copy of the License at

 *

 * www.apache.org/licenses/LICENSE-2.0

 *

 * Unless required by applicable law or agreed to in writing, software

 * distributed under the License is distributed on an AS IS BASIS, WITHOUT

 * WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.

 * See the License for the specific language governing permissions and

 * limitations under the License.

 */

/* ----------------------------------------------------------------------

 * Project:      CMSIS NN Library

 * Title:        arm_convolve_HWC_q7_fast_nonsquare.c

 * Description:  Fast Q7 version of convolution (non-sqaure shape)

 *

 * $Date:        17. January 2018

 * $Revision:    V.1.0.0

 *

 * Target Processor:  Cortex-M cores

 *

 * -------------------------------------------------------------------- */

#include "arm_math.h"

#include "arm_nnfunctions.h"

/**

 *  @ingroup groupNN

 */

/**

 * @addtogroup NNConv

 * @{

 */

/**

 * @brief Fast Q7 convolution function (non-sqaure shape)

 * @param[in]       Im_in        pointer to input tensor

 * @param[in]       dim_im_in_x  input tensor dimention x

 * @param[in]       dim_im_in_y  input tensor dimention y

 * @param[in]       ch_im_in     number of input tensor channels

 * @param[in]       wt           pointer to kernel weights

 * @param[in]       ch_im_out    number of filters, i.e., output tensor channels

 * @param[in]       dim_kernel_x filter kernel size x

 * @param[in]       dim_kernel_y filter kernel size y

 * @param[in]       padding_x    padding size x

 * @param[in]       padding_y    padding size y

 * @param[in]       stride_x     convolution stride x

 * @param[in]       stride_y     convolution stride y

 * @param[in]       bias         pointer to bias

 * @param[in]       bias_shift   amount of left-shift for bias

 * @param[in]       out_shift    amount of right-shift for output

 * @param[in,out]   Im_out       pointer to output tensor

 * @param[in]       dim_im_out_x output tensor dimension x

 * @param[in]       dim_im_out_y output tensor dimension y

 * @param[in,out]   bufferA      pointer to buffer space for input

 * @param[in,out]   bufferB      pointer to buffer space for output

 * @return     The function returns either

 * <code>ARM_MATH_SIZE_MISMATCH</code> or <code>ARM_MATH_SUCCESS</code> based on the outcome of size checking.

 *

 * This function is the version with full list of optimization tricks, but with

 * some contraints:

 *   ch_im_in is multiple of 4

 *   ch_im_out is multiple of 2

 */

arm_status arm_convolve_HWC_q7_fast_nonsquare(const q7_t * Im_in,

                                              const uint16_t dim_im_in_x,

                                              const uint16_t dim_im_in_y,

                                              const uint16_t ch_im_in,

                                              const q7_t * wt,

                                              const uint16_t ch_im_out,

                                              const uint16_t dim_kernel_x,

                                              const uint16_t dim_kernel_y,

                                              const uint16_t padding_x,

                                              const uint16_t padding_y,

                                              const uint16_t stride_x,

                                              const uint16_t stride_y,

                                              const q7_t * bias,

                                              const uint16_t bias_shift,

                                              const uint16_t out_shift,

                                              q7_t * Im_out,

                                              const uint16_t dim_im_out_x,

                                              const uint16_t dim_im_out_y,

                                              q15_t * bufferA,

                                              q7_t * bufferB)

{

#if defined (ARM_MATH_DSP)

    /* Run the following code for Cortex-M4 and Cortex-M7 */

    int16_t   i_out_y, i_out_x, i_ker_y, i_ker_x;

    /* -----------------------

     *  Here we use bufferA as q15_t internally as computation are done with q15_t level

     *  im2col are done to output in q15_t format from q7_t input

     */

    q15_t    *pBuffer = bufferA;

    q7_t     *pOut = Im_out;

    if (ch_im_in % 4 != 0 || ch_im_out % 2 != 0)

    {

        /* check if the input dimension meets the constraints */

        return ARM_MATH_SIZE_MISMATCH;

    }

    /*

     *  Here we split the entire matrix into three regions depending on the padding situation

     *    Top: i_out_y from 0 to padding - 1

     * Middle: i_out_y from padding to dim_im_out-padding-1

     * Bottom: i_out_y from dim_im_out-padding to dim_im_out-1

     */

    /* top part */

    for (i_out_y = 0; i_out_y < padding_y; i_out_y++)

    {

        for (i_out_x = 0; i_out_x < dim_im_out_x; i_out_x++)

        {

            /* This part implements the im2col function */

            for (i_ker_y = i_out_y * stride_y - padding_y; i_ker_y < i_out_y * stride_y - padding_y + dim_kernel_y;

                 i_ker_y++)

            {

                for (i_ker_x = i_out_x * stride_x - padding_x; i_ker_x < i_out_x * stride_x - padding_x + dim_kernel_x;

                     i_ker_x++)

                {

                    if (i_ker_y < 0 || i_ker_y >= dim_im_in_y || i_ker_x < 0 || i_ker_x >= dim_im_in_x)

                    {

                        /* arm_fill_q15(0, pBuffer, ch_im_in); */

                        memset(pBuffer, 0, sizeof(q15_t)*ch_im_in);

                    } else

                    {

                        arm_q7_to_q15_reordered_no_shift((q7_t *) Im_in + (i_ker_y * dim_im_in_x + i_ker_x) * ch_im_in,

                                                         pBuffer, ch_im_in);

                    }

                    pBuffer += ch_im_in;

                }

            }

            if (pBuffer == bufferA + 2 * ch_im_in * dim_kernel_x * dim_kernel_y)

            {

                pOut =

                    arm_nn_mat_mult_kernel_q7_q15_reordered(wt, bufferA, ch_im_out, ch_im_in * dim_kernel_x * dim_kernel_y,

                                                  bias_shift, out_shift, bias, pOut);

                /* counter reset */

                pBuffer = bufferA;

            }

        }

    }

    /* middle part, here we also divide the x into left, mid and right */

    for (; i_out_y < dim_im_out_y - padding_y; i_out_y++)

    {

        /* left part */

        for (i_out_x = 0; i_out_x < padding_x; i_out_x++)

        {

            /* This part implements the im2col function */

            for (i_ker_y = i_out_y * stride_y - padding_y; i_ker_y < i_out_y * stride_y - padding_y + dim_kernel_y;

                 i_ker_y++)

            {

                for (i_ker_x = i_out_x * stride_x - padding_x; i_ker_x < i_out_x * stride_x - padding_x + dim_kernel_x;

                     i_ker_x++)

                {

                    if (i_ker_x < 0 || i_ker_x >= dim_im_in_x)

                    {

                        /* arm_fill_q15(0, pBuffer, ch_im_in); */

                        memset(pBuffer, 0, sizeof(q15_t)*ch_im_in);

                    } else

                    {

                        arm_q7_to_q15_reordered_no_shift((q7_t *) Im_in + (i_ker_y * dim_im_in_x + i_ker_x) * ch_im_in,

                                                         pBuffer, ch_im_in);

                    }

                    pBuffer += ch_im_in;

                }

            }

            if (pBuffer == bufferA + 2 * ch_im_in * dim_kernel_x * dim_kernel_y)

            {

                pOut =

                    arm_nn_mat_mult_kernel_q7_q15_reordered(wt, bufferA, ch_im_out, ch_im_in * dim_kernel_x * dim_kernel_y,

                                                  bias_shift, out_shift, bias, pOut);

                /* counter reset */

                pBuffer = bufferA;

            }

        }

        /* mid part */

        for (; i_out_x < dim_im_out_x - padding_x; i_out_x++)

        {

            /* This part implements the im2col function */

            for (i_ker_y = i_out_y * stride_y - padding_y; i_ker_y < i_out_y * stride_y - padding_y + dim_kernel_y;

                 i_ker_y++)

            {

                arm_q7_to_q15_reordered_no_shift((q7_t *) Im_in +

                                                 (i_ker_y * dim_im_in_x + i_out_x * stride_x - padding_x) * ch_im_in,

                                                 pBuffer, ch_im_in * dim_kernel_x);

                pBuffer += ch_im_in * dim_kernel_x;

            }

            if (pBuffer == bufferA + 2 * ch_im_in * dim_kernel_x * dim_kernel_y)

            {

                pOut =

                    arm_nn_mat_mult_kernel_q7_q15_reordered(wt, bufferA, ch_im_out, ch_im_in * dim_kernel_x * dim_kernel_y,

                                                  bias_shift, out_shift, bias, pOut);

                /* counter reset */

                pBuffer = bufferA;

            }

        }

        /* right part */

        for (; i_out_x < dim_im_out_x; i_out_x++)

        {

            /* This part implements the im2col function */

            for (i_ker_y = i_out_y * stride_y - padding_y; i_ker_y < i_out_y * stride_y - padding_y + dim_kernel_y;

                 i_ker_y++)

            {

                for (i_ker_x = i_out_x * stride_x - padding_x; i_ker_x < i_out_x * stride_x - padding_x + dim_kernel_x;

                     i_ker_x++)

                {

                    if (i_ker_x < 0 || i_ker_x >= dim_im_in_x)

                    {

                        /* arm_fill_q15(0, pBuffer, ch_im_in); */

                        memset(pBuffer, 0, sizeof(q15_t)*ch_im_in);

                    } else

                    {

                        arm_q7_to_q15_reordered_no_shift((q7_t *) Im_in + (i_ker_y * dim_im_in_x + i_ker_x) * ch_im_in,

                                                         pBuffer, ch_im_in);

                    }

                    pBuffer += ch_im_in;

                }

            }

            if (pBuffer == bufferA + 2 * ch_im_in * dim_kernel_x * dim_kernel_y)

            {

                pOut =

                    arm_nn_mat_mult_kernel_q7_q15_reordered(wt, bufferA, ch_im_out, ch_im_in * dim_kernel_x * dim_kernel_y,

                                                  bias_shift, out_shift, bias, pOut);

                /* counter reset */

                pBuffer = bufferA;

            }

        }

    }

    for (; i_out_y < dim_im_out_y; i_out_y++)

    {

        for (i_out_x = 0; i_out_x < dim_im_out_x; i_out_x++)

        {

            /* This part implements the im2col function */

            for (i_ker_y = i_out_y * stride_y - padding_y; i_ker_y < i_out_y * stride_y - padding_y + dim_kernel_y;

                 i_ker_y++)

            {

                for (i_ker_x = i_out_x * stride_x - padding_x; i_ker_x < i_out_x * stride_x - padding_x + dim_kernel_x;

                     i_ker_x++)

                {

                    if (i_ker_y < 0 || i_ker_y >= dim_im_in_y || i_ker_x < 0 || i_ker_x >= dim_im_in_x)

                    {

                        /* arm_fill_q15(0, pBuffer, ch_im_in); */

                        memset(pBuffer, 0, sizeof(q15_t)*ch_im_in);

                    } else

                    {

                        arm_q7_to_q15_reordered_no_shift((q7_t *) Im_in + (i_ker_y * dim_im_in_x + i_ker_x) * ch_im_in,

                                                         pBuffer, ch_im_in);

                    }

                    pBuffer += ch_im_in;

                }

            }

            if (pBuffer == bufferA + 2 * ch_im_in * dim_kernel_x * dim_kernel_y)

            {

                pOut =

                    arm_nn_mat_mult_kernel_q7_q15_reordered(wt, bufferA, ch_im_out, ch_im_in * dim_kernel_x * dim_kernel_y,

                                                  bias_shift, out_shift, bias, pOut);

                /* counter reset */

                pBuffer = bufferA;

            }

        }

    }

    /* check if there is left-over for compute */

    if (pBuffer != bufferA)

    {

        const q7_t *pA = wt;

        int       i;

        for (i = 0; i < ch_im_out; i++)

        {

            q31_t     sum = ((q31_t)(bias[i]) << bias_shift) + NN_ROUND(out_shift);

            q15_t    *pB = bufferA;

            /* basically each time it process 4 entries */

            uint16_t  colCnt = ch_im_in * dim_kernel_x * dim_kernel_y >> 2;

            while (colCnt)

            {

                q31_t     inA1, inA2;

                q31_t     inB1, inB2;

                pA = (const q7_t *)read_and_pad_reordered((void *)pA, &inA1, &inA2);

                inB1 = *__SIMD32(pB)++;

                sum = __SMLAD(inA1, inB1, sum);

                inB2 = *__SIMD32(pB)++;

                sum = __SMLAD(inA2, inB2, sum);

                colCnt--;

            }

            colCnt = (ch_im_in * dim_kernel_y * dim_kernel_x) & 0x3;

            while (colCnt)

            {

                q7_t      inA1 = *pA++;

                q15_t     inB1 = *pB++;

                sum += inA1 * inB1;

                colCnt--;

            }

            *pOut = (q7_t) __SSAT((sum >> out_shift), 8);

            pOut++;

        }

    }

#else

    /* Run the following code as reference implementation for Cortex-M0 and Cortex-M3 */

    int       i, j, k, l, m, n;

    int       conv_out;

    int       in_row, in_col;

    if (ch_im_in % 4 != 0 || ch_im_out % 2 != 0)

    {

        /* check if the input dimension meets the constraints */

        return ARM_MATH_SIZE_MISMATCH;

    }

    for (i = 0; i < ch_im_out; i++)

    {

        for (j = 0; j < dim_im_out_y; j++)

        {

            for (k = 0; k < dim_im_out_x; k++)

            {

                conv_out = ((q31_t)(bias[i]) << bias_shift) + NN_ROUND(out_shift);

                for (m = 0; m < dim_kernel_y; m++)

                {

                    for (n = 0; n < dim_kernel_x; n++)

                    {

                        /* if-for implementation */

                        in_row = stride_y * j + m - padding_y;

                        in_col = stride_x * k + n - padding_x;

                        if (in_row >= 0 && in_col >= 0 && in_row < dim_im_in_y && in_col < dim_im_in_x)

                        {

                            for (l = 0; l < ch_im_in; l++)

                            {

                                conv_out += Im_in[(in_row * dim_im_in_x + in_col) * ch_im_in + l] *

                                    wt[i * ch_im_in * dim_kernel_y * dim_kernel_x + (m * dim_kernel_x + n) * ch_im_in + l];      

                            }

                        }

                    }

                }

                Im_out[i + (j * dim_im_out_x + k) * ch_im_out] = (q7_t) __SSAT((conv_out >> out_shift), 8);

            }

        }

    }

#endif                          /* ARM_MATH_DSP */

    /* Return to application */

    return ARM_MATH_SUCCESS;

}

/**

 * @} end of NNConv group

 */