debian/ti-timl/usr/src/timl/src/common/cnn/timlCNNSupervisedTrainingWithLabelBatchModeOpenMP.c

   1 /******************************************************************************/\r
   2 /*!\r
   3  * \file timlCNNSupervisedTrainingWithLabelBatchModeOpenMP.c\r
   4  */\r
   5 /* Copyright (C) 2015 Texas Instruments Incorporated - http://www.ti.com/\r
   6  *\r
   7  * Redistribution and use in source and binary forms, with or without\r
   8  * modification, are permitted provided that the following conditions\r
   9  * are met:\r
  10  *\r
  11  *    Redistributions of source code must retain the above copyright\r
  12  *    notice, this list of conditions and the following disclaimer.\r
  13  *\r
  14  *    Redistributions in binary form must reproduce the above copyright\r
  15  *    notice, this list of conditions and the following disclaimer in the\r
  16  *    documentation and/or other materials provided with the\r
  17  *    distribution.\r
  18  *\r
  19  *    Neither the name of Texas Instruments Incorporated nor the names of\r
  20  *    its contributors may be used to endorse or promote products derived\r
  21  *    from this software without specific prior written permission.\r
  22  *\r
  23  * THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS\r
  24  * "AS IS" AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT\r
  25  * LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR\r
  26  * A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT\r
  27  * OWNER OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,\r
  28  * SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT\r
  29  * LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE,\r
  30  * DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY\r
  31  * THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT\r
  32  * (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE\r
  33  * OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.\r
  34  *\r
  35  ******************************************************************************/\r
  36 \r
  37 \r
  38 /*******************************************************************************\r
  39  *\r
  40  * INCLUDES\r
  41  *\r
  42  ******************************************************************************/\r
  43 \r
  44 #include "../api/timl.h"\r
  45 \r
  46 \r
  47 /******************************************************************************/\r
  48 /*!\r
  49  * \ingroup cnn\r
  50  * \brief supervised training with label using openmp\r
  51  * \param[in,out] cnn\r
  52  * \param[in] data data batch\r
  53  * \param[in] label\r
  54  * \param[in] dim data dimension\r
  55  * \param[in] num data number\r
  56  * \return error code\r
  57  */\r
  58 /******************************************************************************/\r
  59 \r
  60 int timlCNNSupervisedTrainingWithLabelBatchModeOpenMP(timlConvNeuralNetwork *cnn, float *data, int *label, int dim, int num)\r
  61 {\r
  62    int          i;\r
  63    int          t;\r
  64    int          thread;\r
  65    int          err;\r
  66    timlCNNLayer *bpStartLayer;\r
  67    float        *cost;\r
  68    float        batchCost;\r
  69 \r
  70    err    = 0;\r
  71    cost   = malloc(sizeof(float)*num);\r
  72    thread = omp_get_max_threads();\r
  73 \r
  74    // create cnnTeam\r
  75    timlConvNeuralNetwork **cnnTeam = malloc(sizeof(timlConvNeuralNetwork*)*thread);\r
  76    cnnTeam[0] = cnn;\r
  77    for (i = 1; i < thread; i++) {\r
  78       cnnTeam[i] = timlCNNShareParams(cnn, 0);\r
  79    }\r
  80 \r
  81    // parallel for loop\r
  82    #pragma omp parallel num_threads(thread) private(t, i, bpStartLayer, err)\r
  83    {\r
  84       #pragma omp for\r
  85       for (i = 0; i < num; i++) {\r
  86          t = omp_get_thread_num();\r
  87          err = timlCNNForwardPropagation(cnnTeam[t], data + i*dim, dim);\r
  88          timlCNNCostWithLabel(cnnTeam[t], label[i], cost + i, &bpStartLayer);\r
  89          err = timlCNNBackPropagation(cnnTeam[t], bpStartLayer);\r
  90       }\r
  91    }\r
  92 \r
  93    // update params\r
  94    cnn->params.count += num;\r
  95    timlCNNUpdateParams(cnn);\r
  96    batchCost = timlUtilVectorSumFloat(cost, num)/(float)num;\r
  97    printf("batch = %d, cost = %f\n", cnn->params.batchCount, batchCost);\r
  98    cnn->params.batchCount += 1;\r
  99 \r
 100    // free cnnTeam\r
 101    for (i = 1; i < thread; i++) {\r
 102       timlCNNDelete(cnnTeam[i]);\r
 103    }\r
 104    free(cnnTeam);\r
 105    free(cost);\r
 106 \r
 107    return err;\r
 108 }\r