update the version number
[ti-machine-learning/ti-machine-learning.git] / src / common / cnn / timlCNNClassifyTopNTeamModeOpenMP.c
1 /******************************************************************************/
2 /*!
3  * \file timlCNNClassifyTopNTeamModeOpenMP.c
4  */
5 /* Copyright (C) 2015 Texas Instruments Incorporated - http://www.ti.com/
6  *
7  * Redistribution and use in source and binary forms, with or without
8  * modification, are permitted provided that the following conditions
9  * are met:
10  *
11  *    Redistributions of source code must retain the above copyright
12  *    notice, this list of conditions and the following disclaimer.
13  *
14  *    Redistributions in binary form must reproduce the above copyright
15  *    notice, this list of conditions and the following disclaimer in the
16  *    documentation and/or other materials provided with the
17  *    distribution.
18  *
19  *    Neither the name of Texas Instruments Incorporated nor the names of
20  *    its contributors may be used to endorse or promote products derived
21  *    from this software without specific prior written permission.
22  *
23  * THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS
24  * "AS IS" AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT
25  * LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR
26  * A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT
27  * OWNER OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
28  * SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT
29  * LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE,
30  * DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY
31  * THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT
32  * (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE
33  * OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
34  *
35  ******************************************************************************/
38 /*******************************************************************************
39  *
40  * INCLUDES
41  *
42  ******************************************************************************/
44 #include "../api/timl.h"
47 /******************************************************************************/
48 /*!
49  * \ingroup cnn
50  * \brief         Batch classification using openmp
51  * \details       This is the same function as timlCNNBatchClassifyOpenMP but avoids creating and deleting the cnn team each time the function is called
52  * \param[in,out] cnnTeam An array of CNNs that shares the same parameters
53  * \param[in]     num     Size of the CNN array as well as the data
54  * \param[in]     data    Data batch
55  * \param[in]     dim     Data dimension
56  * \param[in,out] label   Label array ptr, size = num*topN
57  * \param[in,out] percent Percent array ptr, size = num*topN
58  * \param[in,out] topN    Output the top N labels and the corresponding percentage
59  * \return        Error code
60  */
61 /******************************************************************************/
63 int timlCNNClassifyTopNTeamModeOpenMP(timlConvNeuralNetwork **cnnTeam, int num, float *data, int dim, int *label, float *percent, int topN)
64 {
65    int err;
66    int i;
67    int j;
68    int outputDim;
69    int *index;
70    int t;
72    outputDim = cnnTeam[0]->tail->row*cnnTeam[0]->tail->col*cnnTeam[0]->tail->channel;
73    index     = malloc(sizeof(int)*outputDim*num); // multiple copies for each thread
75    #pragma omp parallel num_threads(num) private(i, j, t)
76    {
77       #pragma omp for
78       for (j = 0; j < num; j++) {
79          t = omp_get_thread_num();
80          timlCNNForwardPropagation(cnnTeam[t], data + j*dim, dim); // fp
81          timlUtilVectorSortIndexFloat(cnnTeam[t]->tail->featureMap, index + t*outputDim, outputDim); // sort
82          for (i = 0; i < topN; i++) {
83             label[j*topN + i] = index[t*outputDim + outputDim - i - 1]; // record label
84             if (percent != NULL) {
85                percent[j*topN + i] = cnnTeam[t]->tail->featureMap[index[t*outputDim + outputDim - i - 1]]; // record percent
86             }
87          }
88       }
89    }
90    free(index);
92    return err;
93 }