Better partial function

Joseph Redmon

2015-07-20 38bd6ae6ba24fc8c14fd61d1238ae94a983434b3

 src/softmax_layer.c

@@ -1,83 +1,64 @@
#include "softmax_layer.h"
#include "mini_blas.h"
#include "blas.h"
#include "cuda.h"
#include <float.h>
#include <math.h>
#include <stdlib.h>
#include <stdio.h>
#include <assert.h>

softmax_layer *make_softmax_layer(int batch, int inputs)
softmax_layer make_softmax_layer(int batch, int inputs, int groups)
{
    assert(inputs%groups == 0);
    fprintf(stderr, "Softmax Layer: %d inputs\n", inputs);
    softmax_layer *layer = calloc(1, sizeof(softmax_layer));
    layer->batch = batch;
    layer->inputs = inputs;
    layer->output = calloc(inputs*batch, sizeof(float));
    layer->delta = calloc(inputs*batch, sizeof(float));
    layer->jacobian = calloc(inputs*inputs*batch, sizeof(float));
    return layer;
    softmax_layer l = {0};
    l.type = SOFTMAX;
    l.batch = batch;
    l.groups = groups;
    l.inputs = inputs;
    l.outputs = inputs;
    l.output = calloc(inputs*batch, sizeof(float));
    l.delta = calloc(inputs*batch, sizeof(float));
    #ifdef GPU
    l.output_gpu = cuda_make_array(l.output, inputs*batch); 
    l.delta_gpu = cuda_make_array(l.delta, inputs*batch); 
    #endif
    return l;
}

/* UNSTABLE!
void forward_softmax_layer(const softmax_layer layer, float *input)
void softmax_array(float *input, int n, float *output)
{
    int i;
    float sum = 0;
    for(i = 0; i < layer.inputs; ++i){
        sum += exp(input[i]);
    float largest = -FLT_MAX;
    for(i = 0; i < n; ++i){
        if(input[i] > largest) largest = input[i];
    }
    for(i = 0; i < layer.inputs; ++i){
        layer.output[i] = exp(input[i])/sum;
    for(i = 0; i < n; ++i){
        sum += exp(input[i]-largest);
    }
}
*/
void forward_softmax_layer(const softmax_layer layer, float *input)
{
    int i,b;
    for(b = 0; b < layer.batch; ++b){
        float sum = 0;
        float largest = 0;
        for(i = 0; i < layer.inputs; ++i){
            if(input[i+b*layer.inputs] > largest) largest = input[i+b*layer.inputs];
        }
        for(i = 0; i < layer.inputs; ++i){
            sum += exp(input[i+b*layer.inputs]-largest);
            //printf("%f, ", input[i]);
        }
        //printf("\n");
        if(sum) sum = largest+log(sum);
        else sum = largest-100;
        for(i = 0; i < layer.inputs; ++i){
            layer.output[i+b*layer.inputs] = exp(input[i+b*layer.inputs]-sum);
        }
    if(sum) sum = largest+log(sum);
    else sum = largest-100;
    for(i = 0; i < n; ++i){
        output[i] = exp(input[i]-sum);
    }
}

void backward_softmax_layer(const softmax_layer layer, float *input, float *delta)
void forward_softmax_layer(const softmax_layer l, network_state state)
{
/*
    int i,j,b;
    for(b = 0; b < layer.batch; ++b){
        for(i = 0; i < layer.inputs; ++i){
            for(j = 0; j < layer.inputs; ++j){
                int d = (i==j);
                layer.jacobian[b*layer.inputs*layer.inputs + i*layer.inputs + j] = 
                        layer.output[b*layer.inputs + i] * (d - layer.output[b*layer.inputs + j]);
            }
        }
    int b;
    int inputs = l.inputs / l.groups;
    int batch = l.batch * l.groups;
    for(b = 0; b < batch; ++b){
        softmax_array(state.input+b*inputs, inputs, l.output+b*inputs);
    }
    for(b = 0; b < layer.batch; ++b){
        int M = layer.inputs;
        int N = 1;
        int K = layer.inputs;
        float *A = layer.jacobian + b*layer.inputs*layer.inputs;
        float *B = layer.delta + b*layer.inputs;
        float *C = delta + b*layer.inputs;
        gemm(0,0,M,N,K,1,A,K,B,N,0,C,N);
    }
    */
}

void backward_softmax_layer(const softmax_layer l, network_state state)
{
    int i;
    for(i = 0; i < layer.inputs*layer.batch; ++i){
        delta[i] = layer.delta[i];
    for(i = 0; i < l.inputs*l.batch; ++i){
        state.delta[i] = l.delta[i];
    }
}