aclmdlSetAIPPByInputIndex【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√功能说明动态AIPP场景下根据指定的模型输入的输入index设置模型推理时的AIPP参数值。动态AIPP支持的几种操作的计算方式及其计算顺序如下抠图-色域转换-缩放当前版本不支持缩放-减均值/归一化-padding。函数原型aclError aclmdlSetAIPPByInputIndex(uint32_t modelId, aclmdlDataset *dataset, size_t index, const aclmdlAIPP *aippParmsSet)参数说明参数名输入/输出说明modelId输入模型的ID。调用aclmdlLoadFromFile接口/aclmdlLoadFromMem接口/aclmdlLoadFromFileWithMem接口/aclmdlLoadFromMemWithMem接口加载模型成功后会返回模型ID。dataset输入模型推理的输入数据的指针。使用aclmdlDataset类型的数据描述模型推理时的输入数据输入的内存地址、内存大小用aclDataBuffer类型的数据来描述。index输入表示在第几个输入上设置动态AIPP参数。如果该输入没有关联动态AIPP输入则返回报错。可调用aclmdlGetAippType查询指定模型的指定输入是否有关联的动态AIPP输入若有则本接口的index参数值与aclmdlGetAippType接口的index参数值保持一致若无则无需设置动态AIPP参数。aippParmsSet输入动态AIPP参数对象的指针。提前调用aclmdlCreateAIPP接口创建aclmdlAIPP类型的数据。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。约束说明经过动态AIPP处理后的图像的宽、高必须与原始模型中输入Shape中的宽、高保持一致。多Batch场景下根据每个Batch的配置计算出动态AIPP后输出图片的宽、高经过动态AIPP后每个Batch的输出图片宽、高必须是一致的。计算输出图片宽、高的计算公式如表1所示。抠图或者缩放或者padding之后对图片宽、高的校验规则如下其中aippOutputW、aippOutputH分别表示AIPP输出图片的宽、高其它参数是aclmdlSetAIPPSrcImageSize、aclmdlSetAIPPScfParams、aclmdlSetAIPPCropParams、aclmdlSetAIPPPaddingParams接口的入参表 1输出图片宽、高计算公式抠图缩放补边padding动态AIPP输出图片的宽、高否否否aippOutputWsrcImageSizeWaippOutputHsrcImageSizeH是否否aippOutputWcropSizeWaippOutputHcropSizeH是是否aippOutputWscfOutputSizeWaippOutputHscfOutputSizeH是否是aippOutputWcropSizeW paddingSizeLeft paddingSizeRightaippOutputHcropSizeH paddingSizeTop paddingSizeBottom否否是aippOutputWsrcImageSizeW paddingSizeLeft paddingSizeRightaippOutputHsrcImageSizeH paddingSizeTop paddingSizeBottom否是是aippOutputWscfOutputSizeW paddingSizeLeft paddingSizeRightaippOutputHscfOutputSizeH paddingSizeTop paddingSizeBottom否是否aippOutputWscfOutputSizeWaippOutputHscfOutputSizeH是是是aippOutputWscfOutputSizeW paddingSizeLeft paddingSizeRightaippOutputHscfOutputSizeH paddingSizeTop paddingSizeBottom【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
