fixed dropout ><

Joseph Redmon

2014-12-13 90d354a2a5a3ba76071337d8794cfc00f7bc5fab

fixed dropout ><

 src/cnn.c

@@ -294,7 +294,7 @@
    while(1){
        i += 1;
        time=clock();
        data train = load_data_random(imgs*net.batch, paths, m, labels, 2, 256, 256);
        data train = load_data(paths, imgs*net.batch, m, labels, 2, 256, 256);
        normalize_data_rows(train);
        printf("Loaded: %lf seconds\n", sec(clock()-time));
        time=clock();
@@ -404,7 +404,7 @@
    printf("%d\n", plist->size);
    clock_t time;
    data train, buffer;
    pthread_t load_thread = load_data_random_thread(imgs*net.batch, paths, plist->size, labels, 1000, 224, 224, &buffer);
    pthread_t load_thread = load_data_thread(paths, imgs*net.batch, plist->size, labels, 1000, 224, 224, &buffer);
    while(1){
        i += 1;

@@ -416,7 +416,7 @@
        pthread_join(load_thread, 0);
        train = buffer;
        normalize_data_rows(train);
        load_thread = load_data_random_thread(imgs*net.batch, paths, plist->size, labels, 1000, 224, 224, &buffer);
        load_thread = load_data_thread(paths, imgs*net.batch, plist->size, labels, 1000, 224, 224, &buffer);
        printf("Loaded: %lf seconds\n", sec(clock()-time));
        time=clock();

@@ -434,11 +434,10 @@
    float avg_loss = 1;
    //network net = parse_network_cfg("/home/pjreddie/imagenet_backup/alexnet_1270.cfg");
    srand(time(0));
    network net = parse_network_cfg("cfg/net.cfg");
    network net = parse_network_cfg("cfg/net.part");
    printf("Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);
    int imgs = 1000/net.batch+1;
    //imgs=1;
    int i = 0;
    int i = 9540;
    char **labels = get_labels("/home/pjreddie/data/imagenet/cls.labels.list");
    list *plist = get_paths("/data/imagenet/cls.train.list");
    char **paths = (char **)list_to_array(plist);
@@ -447,14 +446,14 @@
    pthread_t load_thread;
    data train;
    data buffer;
    load_thread = load_data_random_thread(imgs*net.batch, paths, plist->size, labels, 1000, 224, 224, &buffer);
    load_thread = load_data_thread(paths, imgs*net.batch, plist->size, labels, 1000, 224, 224, &buffer);
    while(1){
        i += 1;
        time=clock();
        pthread_join(load_thread, 0);
        train = buffer;
        normalize_data_rows(train);
        load_thread = load_data_random_thread(imgs*net.batch, paths, plist->size, labels, 1000, 224, 224, &buffer);
        load_thread = load_data_thread(paths, imgs*net.batch, plist->size, labels, 1000, 224, 224, &buffer);
        printf("Loaded: %lf seconds\n", sec(clock()-time));
        time=clock();
#ifdef GPU
@@ -465,7 +464,7 @@
        free_data(train);
        if(i%10==0){
            char buff[256];
            sprintf(buff, "/home/pjreddie/imagenet_backup/alexnet_%d.cfg", i);
            sprintf(buff, "/home/pjreddie/imagenet_backup/net_%d.cfg", i);
            save_network(net, buff);
        }
    }
@@ -473,7 +472,7 @@

void validate_imagenet(char *filename)
{
    int i;
    int i = 0;
    network net = parse_network_cfg(filename);
    srand(time(0));

@@ -488,21 +487,28 @@
    float avg_acc = 0;
    float avg_top5 = 0;
    int splits = 50;
    int num = (i+1)*m/splits - i*m/splits;

    for(i = 0; i < splits; ++i){
    data val, buffer;
    pthread_t load_thread = load_data_thread(paths, num, 0, labels, 1000, 224, 224, &buffer);
    for(i = 1; i <= splits; ++i){
        time=clock();
        char **part = paths+(i*m/splits);
        int num = (i+1)*m/splits - i*m/splits;
        data val = load_data(part, num, labels, 1000, 224, 224);

        pthread_join(load_thread, 0);
        val = buffer;
        normalize_data_rows(val);

        num = (i+1)*m/splits - i*m/splits;
        char **part = paths+(i*m/splits);
        if(i != splits) load_thread = load_data_thread(part, num, 0, labels, 1000, 224, 224, &buffer);
        printf("Loaded: %d images in %lf seconds\n", val.X.rows, sec(clock()-time));

        time=clock();
#ifdef GPU
        float *acc = network_accuracies_gpu(net, val);
        avg_acc += acc[0];
        avg_top5 += acc[1];
        printf("%d: top1: %f, top5: %f, %lf seconds, %d images\n", i, avg_acc/(i+1), avg_top5/(i+1), sec(clock()-time), val.X.rows);
        printf("%d: top1: %f, top5: %f, %lf seconds, %d images\n", i, avg_acc/i, avg_top5/i, sec(clock()-time), val.X.rows);
#endif
        free_data(val);
    }
@@ -895,14 +901,14 @@
    int count = 0;

    srand(222222);
    network net = parse_network_cfg("cfg/alexnet.test");
    network net = parse_network_cfg("cfg/net.cfg");
    printf("Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);
    int imgs = 1000/net.batch+1;
    imgs = 1;

    while(++count <= 5){
        time=clock();
        data train = load_data_random(imgs*net.batch, paths, plist->size, labels, 1000, 256, 256);
        data train = load_data(paths, imgs*net.batch, plist->size, labels, 1000, 224,224);
        //translate_data_rows(train, -144);
        normalize_data_rows(train);
        printf("Loaded: %lf seconds\n", sec(clock()-time));
@@ -914,10 +920,10 @@
#ifdef GPU
    count = 0;
    srand(222222);
    net = parse_network_cfg("cfg/alexnet.test");
    net = parse_network_cfg("cfg/net.cfg");
    while(++count <= 5){
        time=clock();
        data train = load_data_random(imgs*net.batch, paths, plist->size, labels, 1000, 256, 256);
        data train = load_data(paths, imgs*net.batch, plist->size, labels, 1000, 224, 224);
        //translate_data_rows(train, -144);
        normalize_data_rows(train);
        printf("Loaded: %lf seconds\n", sec(clock()-time));

 src/data.c

@@ -180,16 +180,7 @@
    return d;
}

data load_data(char **paths, int n, char **labels, int k, int h, int w)
{
    data d;
    d.shallow = 0;
    d.X = load_image_paths(paths, n, h, w);
    d.y = load_labels_paths(paths, n, labels, k);
    return d;
}

data load_data_random(int n, char **paths, int m, char **labels, int k, int h, int w)
char **get_random_paths(char **paths, int n, int m)
{
    char **random_paths = calloc(n, sizeof(char*));
    int i;
@@ -198,14 +189,23 @@
        random_paths[i] = paths[index];
        if(i == 0) printf("%s\n", paths[index]);
    }
    data d = load_data(random_paths, n, labels, k, h, w);
    free(random_paths);
    return random_paths;
}

data load_data(char **paths, int n, int m, char **labels, int k, int h, int w)
{
    if(m) paths = get_random_paths(paths, n, m);
    data d;
    d.shallow = 0;
    d.X = load_image_paths(paths, n, h, w);
    d.y = load_labels_paths(paths, n, labels, k);
    if(m) free(paths);
    return d;
}

struct load_args{
    int n;
    char **paths;
    int n;
    int m;
    char **labels;
    int k;
@@ -217,11 +217,11 @@
void *load_in_thread(void *ptr)
{
    struct load_args a = *(struct load_args*)ptr;
    *a.d = load_data_random(a.n, a.paths, a.m, a.labels, a.k, a.h, a.w);
    *a.d = load_data(a.paths, a.n, a.m, a.labels, a.k, a.h, a.w);
    return 0;
}

pthread_t load_data_random_thread(int n, char **paths, int m, char **labels, int k, int h, int w, data *d)
pthread_t load_data_thread(char **paths, int n, int m, char **labels, int k, int h, int w, data *d)
{
    pthread_t thread;
    struct load_args *args = calloc(1, sizeof(struct load_args));

 src/data.h

@@ -13,9 +13,10 @@


void free_data(data d);
data load_data(char **paths, int n, char **labels, int k, int h, int w);
pthread_t load_data_random_thread(int n, char **paths, int m, char **labels, int k, int h, int w, data *d);
data load_data_random(int n, char **paths, int m, char **labels, int k, int h, int w);

data load_data(char **paths, int n, int m, char **labels, int k, int h, int w);
pthread_t load_data_thread(char **paths, int n, int m, char **labels, int k, int h, int w, data *d);

data load_data_detection_random(int n, char **paths, int m, int h, int w, int nh, int nw, float scale);
data load_data_detection_jitter_random(int n, char **paths, int m, int h, int w, int nh, int nw, float scale);
data load_data_image_pathfile(char *filename, char **labels, int k, int h, int w);

 src/dropout_layer.c

@@ -10,8 +10,9 @@
    layer->probability = probability;
    layer->inputs = inputs;
    layer->batch = batch;
    #ifdef GPU
    layer->rand = calloc(inputs*batch, sizeof(float));
    layer->scale = 1./(1.-probability);
    #ifdef GPU
    layer->rand_cl = cl_make_array(layer->rand, inputs*batch);
    #endif
    return layer;
@@ -21,13 +22,21 @@
{
    int i;
    for(i = 0; i < layer.batch * layer.inputs; ++i){
        if(rand_uniform() < layer.probability) input[i] = 0;
        else input[i] /= (1-layer.probability);
        float r = rand_uniform();
        layer.rand[i] = r;
        if(r < layer.probability) input[i] = 0;
        else input[i] *= layer.scale;
    }
}
void backward_dropout_layer(dropout_layer layer, float *input, float *delta)

void backward_dropout_layer(dropout_layer layer, float *delta)
{
    // Don't do shit LULZ
    int i;
    for(i = 0; i < layer.batch * layer.inputs; ++i){
        float r = layer.rand[i];
        if(r < layer.probability) delta[i] = 0;
        else delta[i] *= layer.scale;
    }
}

#ifdef GPU
@@ -36,7 +45,7 @@
    static int init = 0;
    static cl_kernel kernel;
    if(!init){
        kernel = get_kernel("src/dropout_layer.cl", "forward", 0);
        kernel = get_kernel("src/dropout_layer.cl", "yoloswag420blazeit360noscope", 0);
        init = 1;
    }
    return kernel;
@@ -56,6 +65,27 @@
    cl.error = clSetKernelArg(kernel, i++, sizeof(input), (void*) &input);
    cl.error = clSetKernelArg(kernel, i++, sizeof(layer.rand_cl), (void*) &layer.rand_cl);
    cl.error = clSetKernelArg(kernel, i++, sizeof(layer.probability), (void*) &layer.probability);
    cl.error = clSetKernelArg(kernel, i++, sizeof(layer.scale), (void*) &layer.scale);
    check_error(cl);

    const size_t global_size[] = {size};

    cl.error = clEnqueueNDRangeKernel(queue, kernel, 1, 0, global_size, 0, 0, 0, 0);
    check_error(cl);
}

void backward_dropout_layer_gpu(dropout_layer layer, cl_mem delta)
{
    int size = layer.inputs*layer.batch;

    cl_kernel kernel = get_dropout_kernel();
    cl_command_queue queue = cl.queue;

    cl_uint i = 0;
    cl.error = clSetKernelArg(kernel, i++, sizeof(delta), (void*) &delta);
    cl.error = clSetKernelArg(kernel, i++, sizeof(layer.rand_cl), (void*) &layer.rand_cl);
    cl.error = clSetKernelArg(kernel, i++, sizeof(layer.probability), (void*) &layer.probability);
    cl.error = clSetKernelArg(kernel, i++, sizeof(layer.scale), (void*) &layer.scale);
    check_error(cl);

    const size_t global_size[] = {size};

 src/dropout_layer.cl

@@ -1,5 +1,5 @@
__kernel void forward(__global float *input, __global float *rand, float prob)
__kernel void yoloswag420blazeit360noscope(__global float *input, __global float *rand, float prob, float scale)
{
    int id = get_global_id(0);
    input[id] = (rand[id] < prob) ? 0 : input[id]/(1.-prob);
    input[id] = (rand[id] < prob) ? 0 : input[id]*scale;
}

 src/dropout_layer.h

@@ -6,8 +6,9 @@
    int batch;
    int inputs;
    float probability;
    #ifdef GPU
    float scale;
    float *rand;
    #ifdef GPU
    cl_mem rand_cl;
    #endif
} dropout_layer;
@@ -15,9 +16,11 @@
dropout_layer *make_dropout_layer(int batch, int inputs, float probability);

void forward_dropout_layer(dropout_layer layer, float *input);
void backward_dropout_layer(dropout_layer layer, float *input, float *delta);
    #ifdef GPU
void backward_dropout_layer(dropout_layer layer, float *delta);

#ifdef GPU
void forward_dropout_layer_gpu(dropout_layer layer, cl_mem input);
void backward_dropout_layer_gpu(dropout_layer layer, cl_mem delta);

#endif
#endif

 src/network.c

@@ -219,6 +219,10 @@
            maxpool_layer layer = *(maxpool_layer *)net.layers[i];
            if(i != 0) backward_maxpool_layer(layer, prev_delta);
        }
        else if(net.types[i] == DROPOUT){
            dropout_layer layer = *(dropout_layer *)net.layers[i];
            backward_dropout_layer(layer, prev_delta);
        }
        else if(net.types[i] == NORMALIZATION){
            normalization_layer layer = *(normalization_layer *)net.layers[i];
            if(i != 0) backward_normalization_layer(layer, prev_input, prev_delta);

 src/network_gpu.c

@@ -101,6 +101,10 @@
            maxpool_layer layer = *(maxpool_layer *)net.layers[i];
            backward_maxpool_layer_gpu(layer, prev_delta);
        }
        else if(net.types[i] == DROPOUT){
            dropout_layer layer = *(dropout_layer *)net.layers[i];
            backward_dropout_layer_gpu(layer, prev_delta);
        }
        else if(net.types[i] == SOFTMAX){
            softmax_layer layer = *(softmax_layer *)net.layers[i];
            backward_softmax_layer_gpu(layer, prev_delta);