Francesco Gatti
61 lines
1.8 KiB
C++
61 lines
1.8 KiB
C++
#include <iostream>
|
|
|
|
#include "Layer.h"
|
|
#include "kernels.h"
|
|
|
|
namespace tkDNN {
|
|
|
|
Region::Region(Network *net, dataDim_t input_dim,
|
|
int classes, int coords, int num, float thresh) :
|
|
Layer(net, input_dim) {
|
|
|
|
this->classes = classes;
|
|
this->coords = coords;
|
|
this->num = num;
|
|
this->thresh = thresh;
|
|
|
|
// same
|
|
output_dim.n = input_dim.n;
|
|
output_dim.c = input_dim.c;
|
|
output_dim.h = input_dim.h;
|
|
output_dim.w = input_dim.w;
|
|
output_dim.l = input_dim.l;
|
|
|
|
checkCuda( cudaMalloc(&dstData, input_dim.tot()*sizeof(value_type)) );
|
|
}
|
|
|
|
Region::~Region() {
|
|
checkCuda( cudaFree(dstData) );
|
|
}
|
|
|
|
int Region::entry_index(int batch, int location, int entry) {
|
|
int n = location / (input_dim.w*input_dim.h);
|
|
int loc = location % (input_dim.w*input_dim.h);
|
|
return batch*output_dim.tot() + n*input_dim.w*input_dim.h*(coords+classes+1) + entry*input_dim.w*input_dim.h + loc;
|
|
}
|
|
|
|
value_type* Region::infer(dataDim_t &dim, value_type* srcData) {
|
|
|
|
checkCuda( cudaMemcpy(dstData, srcData, dim.tot()*sizeof(value_type), cudaMemcpyDeviceToDevice));
|
|
|
|
for (int b = 0; b < dim.n; ++b){
|
|
for(int n = 0; n < num; ++n){
|
|
int index = entry_index(b, n*dim.w*dim.h, 0);
|
|
activationLOGISTICForward(srcData + index, dstData + index, 2*dim.w*dim.h);
|
|
|
|
index = entry_index(b, n*dim.w*dim.h, coords);
|
|
activationLOGISTICForward(srcData + index, dstData + index, dim.w*dim.h);
|
|
}
|
|
}
|
|
|
|
//softmax start
|
|
int index = entry_index(0, 0, coords + 1);
|
|
softmaxForward(srcData + index, classes, output_dim.n*num, output_dim.tot()/num,
|
|
output_dim.w*output_dim.h, 1, output_dim.w*output_dim.h, 1, dstData + index);
|
|
|
|
dim = output_dim;
|
|
return dstData;
|
|
}
|
|
|
|
}
|