aclmdlExecute【免费下载链接】geGEGraph Engine是面向昇腾的图编译器和执行器提供了计算图优化、多流并行、内存复用和模型下沉等技术手段加速模型执行效率减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge产品支持情况产品是否支持Atlas A3 训练系列产品 / Atlas A3 推理系列产品√Atlas A2 训练系列产品 / Atlas A2 推理系列产品√功能说明执行模型推理直到返回推理结果。模型加载、模型执行、模型卸载的操作必须在同一个Context下关于Context的创建请参见aclrtSetDevice或aclrtCreateContext。函数原型aclError aclmdlExecute(uint32_t modelId, const aclmdlDataset *input, aclmdlDataset *output)参数说明参数名输入/输出说明modelId输入指定推理模型的ID。调用模型加载接口例如aclmdlLoadFromFile接口、aclmdlLoadFromMem等成功后会返回模型ID该ID作为本接口的输入。input输入模型推理的输入数据的指针。output输出模型推理输出数据的指针。调用aclCreateDataBuffer接口创建存放对应index输出数据的aclDataBuffer类型时支持在data参数处传入nullptr同时size需设置为0表示创建一个空的aclDataBuffer类型然后在模型执行过程中系统内部自行计算并申请该index输出的内存。使用该方式可节省内存但内存数据使用结束后需由用户释放内存并重置aclDataBuffer同时系统内部申请内存时涉及内存拷贝可能涉及性能损耗。释放内存并重置aclDataBuffer的示例代码如下aclDataBuffer *dataBuffer aclmdlGetDatasetBuffer(output, 0); // 根据index获取对应的dataBuffer void *data aclGetDataBufferAddr(dataBuffer); // 获取data的Device指针 aclrtFree(data ); // 释放Device内存 aclUpdateDataBuffer(dataBuffer, nullptr, 0); // 重置dataBuffer里面内容以便下次推理返回值说明返回0表示成功返回其他值表示失败请参见aclError。约束说明若由于业务需求必须在多线程中使用同一个modelId则用户线程间需加锁保证刷新输入输出内存、保证执行是连续操作例如// 线程A的接口调用顺序 lock(handle1) - aclrtMemcpy刷新输入输出内存 - aclmdlExecute执行推理 - unlock(handle1) // 线程B的接口调用顺序 lock(handle1) - aclrtMemcpy刷新输入输出内存 - aclmdlExecute执行推理 - unlock(handle1)存放模型输入/输出数据的内存为Device内存可以调用aclrtMalloc、hi_mpi_dvpp_malloc等接口申请Device内存。【免费下载链接】geGEGraph Engine是面向昇腾的图编译器和执行器提供了计算图优化、多流并行、内存复用和模型下沉等技术手段加速模型执行效率减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 CANN/GE模型执行API文档
aclmdlExecute【免费下载链接】geGEGraph Engine是面向昇腾的图编译器和执行器提供了计算图优化、多流并行、内存复用和模型下沉等技术手段加速模型执行效率减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge产品支持情况产品是否支持Atlas A3 训练系列产品 / Atlas A3 推理系列产品√Atlas A2 训练系列产品 / Atlas A2 推理系列产品√功能说明执行模型推理直到返回推理结果。模型加载、模型执行、模型卸载的操作必须在同一个Context下关于Context的创建请参见aclrtSetDevice或aclrtCreateContext。函数原型aclError aclmdlExecute(uint32_t modelId, const aclmdlDataset *input, aclmdlDataset *output)参数说明参数名输入/输出说明modelId输入指定推理模型的ID。调用模型加载接口例如aclmdlLoadFromFile接口、aclmdlLoadFromMem等成功后会返回模型ID该ID作为本接口的输入。input输入模型推理的输入数据的指针。output输出模型推理输出数据的指针。调用aclCreateDataBuffer接口创建存放对应index输出数据的aclDataBuffer类型时支持在data参数处传入nullptr同时size需设置为0表示创建一个空的aclDataBuffer类型然后在模型执行过程中系统内部自行计算并申请该index输出的内存。使用该方式可节省内存但内存数据使用结束后需由用户释放内存并重置aclDataBuffer同时系统内部申请内存时涉及内存拷贝可能涉及性能损耗。释放内存并重置aclDataBuffer的示例代码如下aclDataBuffer *dataBuffer aclmdlGetDatasetBuffer(output, 0); // 根据index获取对应的dataBuffer void *data aclGetDataBufferAddr(dataBuffer); // 获取data的Device指针 aclrtFree(data ); // 释放Device内存 aclUpdateDataBuffer(dataBuffer, nullptr, 0); // 重置dataBuffer里面内容以便下次推理返回值说明返回0表示成功返回其他值表示失败请参见aclError。约束说明若由于业务需求必须在多线程中使用同一个modelId则用户线程间需加锁保证刷新输入输出内存、保证执行是连续操作例如// 线程A的接口调用顺序 lock(handle1) - aclrtMemcpy刷新输入输出内存 - aclmdlExecute执行推理 - unlock(handle1) // 线程B的接口调用顺序 lock(handle1) - aclrtMemcpy刷新输入输出内存 - aclmdlExecute执行推理 - unlock(handle1)存放模型输入/输出数据的内存为Device内存可以调用aclrtMalloc、hi_mpi_dvpp_malloc等接口申请Device内存。【免费下载链接】geGEGraph Engine是面向昇腾的图编译器和执行器提供了计算图优化、多流并行、内存复用和模型下沉等技术手段加速模型执行效率减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考