Minor fixes

AlexeyAB

2018-05-23 eef9f8e5bb9fdbe22c6301a56f12e315f9ac64d9

 src/convolutional_kernels.cu

@@ -37,7 +37,7 @@
    int i = 0;
    float mean = 0;
    for(i = 0; i < n; ++i){
        mean += abs(input[i*size + s]);
        mean += fabs(input[i*size + s]);
    }
    mean = mean / n;
    for(i = 0; i < n; ++i){
@@ -59,7 +59,7 @@
    int i = 0;
    float mean = 0;
    for(i = 0; i < size; ++i){
        mean += abs(weights[f*size + i]);
        mean += fabs(weights[f*size + i]);
    }
    mean = mean / size;
    for(i = 0; i < size; ++i){
@@ -135,26 +135,24 @@
   // More: http://docs.nvidia.com/deeplearning/sdk/cudnn-developer-guide/index.html#tensor_ops

   const size_t input16_size = l.batch*l.c*l.w*l.h;
   static size_t max_input16_size = input16_size;
   static half* input16 = cuda_make_f16_from_f32_array(NULL, max_input16_size);

   const size_t output16_size = l.batch*l.out_c*l.out_h*l.out_w;
   static size_t max_output16_size = output16_size;
   static half* output16 = cuda_make_f16_from_f32_array(NULL, max_output16_size);

   if (max_input16_size < input16_size) {
      max_input16_size = input16_size;
      cuda_free((float *)input16);
      input16 = cuda_make_f16_from_f32_array(state.input, max_input16_size);
   if (*state.net.max_input16_size < input16_size) {
      //printf("\n input16_size: cur = %zu \t max = %zu \n", input16_size, *state.net.max_input16_size);
      *state.net.max_input16_size = input16_size;
      if (*state.net.input16_gpu) cuda_free(*state.net.input16_gpu);
      *state.net.input16_gpu = (float *)cuda_make_f16_from_f32_array(NULL, *state.net.max_input16_size);
   }
   float *input16 = *state.net.input16_gpu;

   if (max_output16_size < output16_size) {
      max_output16_size = output16_size;
      cuda_free((float *)output16);
      output16 = cuda_make_f16_from_f32_array(NULL, max_output16_size);
   if (*state.net.max_output16_size < output16_size) {
      *state.net.max_output16_size = output16_size;
      if (*state.net.output16_gpu) cuda_free(*state.net.output16_gpu);
      *state.net.output16_gpu = (float *)cuda_make_f16_from_f32_array(NULL, *state.net.max_output16_size);
   }
   float *output16 = *state.net.output16_gpu;

   cuda_convert_f32_to_f16(state.input, input16_size, (float *)input16);
   cuda_convert_f32_to_f16(state.input, input16_size, input16);

   //fill_ongpu(output16_size / 2, 0, (float *)output16, 1);
   cudnnConvolutionForward(cudnn_handle(),
@@ -171,7 +169,51 @@
      l.dstTensorDesc,
      output16);
   
   cuda_convert_f16_to_f32((float *)output16, output16_size, l.output_gpu);

   if (l.batch_normalize) 
   {		
      if (state.train) // Training
      {
         copy_ongpu(l.outputs*l.batch / 2, output16, 1, l.x_gpu, 1);
         //cudaMemcpyAsync(l.x_gpu, output16, l.outputs*l.batch*sizeof(half), cudaMemcpyDefault, get_cuda_stream());
         float one = 1;
         float zero = 0;
         // Batch-normalization can still take FP16 inputs and outputs, saving half the bandwidth
         // compared to FP32, it’s just that the statistics and value adjustment should be done in FP32.
         cudnnBatchNormalizationForwardTraining(cudnn_handle(),
            CUDNN_BATCHNORM_SPATIAL,
            &one,
            &zero,
            l.normDstTensorDescF16,
            l.x_gpu,       // input
            l.normDstTensorDescF16,
            output16,         // output
            l.normTensorDesc,
            l.scales_gpu,
            l.biases_gpu,
            .01,
            l.rolling_mean_gpu,     // output (should be FP32)
            l.rolling_variance_gpu, // output (should be FP32)
            .00001,
            l.mean_gpu,       // output (should be FP32)
            l.variance_gpu);  // output (should be FP32)

         cuda_convert_f16_to_f32(output16, output16_size, l.output_gpu);
         //forward_batchnorm_layer_gpu(l, state);
      }
      else // Detection
      {
         cuda_convert_f16_to_f32(output16, output16_size, l.output_gpu);
         normalize_gpu(l.output_gpu, l.rolling_mean_gpu, l.rolling_variance_gpu, l.batch, l.out_c, l.out_h*l.out_w);
         scale_bias_gpu(l.output_gpu, l.scales_gpu, l.batch, l.out_c, l.out_h*l.out_w);
         add_bias_gpu(l.output_gpu, l.biases_gpu, l.batch, l.out_c, l.out_w*l.out_h);
      }
   }
   else // BIAS only
   {
      cuda_convert_f16_to_f32(output16, output16_size, l.output_gpu);
      add_bias_gpu(l.output_gpu, l.biases_gpu, l.batch, l.n, l.out_w*l.out_h);
   }	

#else

@@ -188,7 +230,7 @@
                &one,
                l.dstTensorDesc,
                l.output_gpu);
#endif
#endif   // CUDNN_HALF


#else
@@ -205,10 +247,14 @@
    }
#endif

#ifndef CUDNN_HALF
    if (l.batch_normalize) {
        forward_batchnorm_layer_gpu(l, state);
    }
    add_bias_gpu(l.output_gpu, l.biases_gpu, l.batch, l.n, l.out_w*l.out_h);
   }
   else {
      add_bias_gpu(l.output_gpu, l.biases_gpu, l.batch, l.n, l.out_w*l.out_h);
   }
#endif // no CUDNN_HALF

    activate_array_ongpu(l.output_gpu, l.outputs*l.batch, l.activation);
    //if(l.dot > 0) dot_error_gpu(l);
@@ -222,12 +268,13 @@

    backward_bias_gpu(l.bias_updates_gpu, l.delta_gpu, l.batch, l.n, l.out_w*l.out_h);

#ifndef CUDNN_HALF
    if(l.batch_normalize){
        backward_batchnorm_layer_gpu(l, state);
        //axpy_ongpu(l.outputs*l.batch, -state.net.decay, l.x_gpu, 1, l.delta_gpu, 1);
    } else {
        //axpy_ongpu(l.outputs*l.batch, -state.net.decay, l.output_gpu, 1, l.delta_gpu, 1);
      //backward_bias_gpu(l.bias_updates_gpu, l.delta_gpu, l.batch, l.n, l.out_w*l.out_h);
    }
#endif // no CUDNN_HALF
    float *original_input = state.input;

    if(l.xnor) state.input = l.binary_input_gpu;
@@ -238,28 +285,59 @@
#ifdef CUDNN_HALF
      
   const size_t input16_size = l.batch*l.c*l.w*l.h;
   static size_t max_input16_size = input16_size;
   static half* input16 = cuda_make_f16_from_f32_array(NULL, max_input16_size);

   const size_t delta16_size = l.batch*l.n*l.out_w*l.out_h;
   static size_t max_delta16_size = delta16_size;
   static half* delta16 = cuda_make_f16_from_f32_array(NULL, max_delta16_size);

   if (max_input16_size < input16_size) {
      max_input16_size = input16_size;
      cuda_free((float *)input16);
      input16 = cuda_make_f16_from_f32_array(state.input, max_input16_size);
   }

   if (max_delta16_size < delta16_size) {
      max_delta16_size = delta16_size;
      cuda_free((float *)delta16);
      delta16 = cuda_make_f16_from_f32_array(NULL, max_delta16_size);
   }

   cuda_convert_f32_to_f16(state.input, input16_size, (float *)input16);
   cuda_convert_f32_to_f16(l.delta_gpu, delta16_size, (float *)delta16);
   
   if (*state.net.max_input16_size < input16_size) {		
      *state.net.max_input16_size = input16_size;
      if(*state.net.input16_gpu) cuda_free(*state.net.input16_gpu);
      *state.net.input16_gpu = (float *)cuda_make_f16_from_f32_array(NULL, *state.net.max_input16_size);
   }
   float *input16 = *state.net.input16_gpu;

   if (*state.net.max_output16_size < delta16_size) {
      *state.net.max_output16_size = delta16_size;
      if(*state.net.output16_gpu) cuda_free(*state.net.output16_gpu);
      *state.net.output16_gpu = (float *)cuda_make_f16_from_f32_array(NULL, *state.net.max_output16_size);
   }
   float *delta16 = *state.net.output16_gpu;

   cuda_convert_f32_to_f16(state.input, input16_size, input16);
   cuda_convert_f32_to_f16(l.delta_gpu, delta16_size, delta16);

   if (l.batch_normalize) {
      //if (!state.train) {
      // l.mean_gpu = l.rolling_mean_gpu;
      // l.variance_gpu = l.rolling_variance_gpu;
      //}
      float one = 1;
      float zero = 0;
      cudnnBatchNormalizationBackward(cudnn_handle(),
         CUDNN_BATCHNORM_SPATIAL,
         &one,
         &zero,
         &one,
         &one,
         l.normDstTensorDescF16,
         l.x_gpu,          // input
         l.normDstTensorDescF16,
         delta16,          // input
         l.normDstTensorDescF16,
         l.x_norm_gpu,        // output
         l.normTensorDesc,
         l.scales_gpu,        // output (should be FP32)
         l.scale_updates_gpu, // output (should be FP32)
         l.bias_updates_gpu,     // output (should be FP32)
         .00001,
         l.mean_gpu,          // input (should be FP32)
         l.variance_gpu);     // input (should be FP32)
      copy_ongpu(l.outputs*l.batch / 2, l.x_norm_gpu, 1, delta16, 1);
      //cudaMemcpyAsync(delta16, l.x_norm_gpu, l.outputs*l.batch * sizeof(half), cudaMemcpyDefault, get_cuda_stream());
   }
   else
   {
      //backward_bias_gpu(l.bias_updates_gpu, l.delta_gpu, l.batch, l.n, l.out_w*l.out_h);
   }

   // convert input: state.input (x), l.delta_gpu (y) from fp32 to fp16
   // get output: l.weight_updates_gpu (dw) and convert it to fp32 (ONLY if it is fp16)

@@ -305,7 +383,7 @@
         l.dsrcTensorDesc,
         input16);   // state.delta);

      cuda_convert_f16_to_f32((float *)input16, input16_size, state.delta);		
      cuda_convert_f16_to_f32(input16, input16_size, state.delta);

      if (l.binary || l.xnor) swap_binary(&l);
      if (l.xnor) gradient_array_ongpu(original_input, l.batch*l.c*l.h*l.w, HARDTAN, state.delta);