aclgrphBuildModel【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产品支持情况全量芯片支持。头文件/库文件头文件#include ge/ge_ir_build.h库文件libge_compiler.so功能说明将输入的Graph编译为适配AI处理器的离线模型并保存到内存缓冲区。函数原型[!NOTE]说明 数据类型为string的接口后续版本会废弃建议使用数据类型为非string的接口。graphStatus aclgrphBuildModel(const ge::Graph graph, const std::mapstd::string, std::string build_options, ModelBufferData model) graphStatus aclgrphBuildModel(const ge::Graph graph, const std::mapAscendString, AscendString build_options, ModelBufferData model)参数说明参数名输入/输出说明graph输入待编译的Graph。build_options输入graph级别配置参数。配置参数map映射表key为参数类型value为参数值均为字符串格式用于描述离线模型编译配置信息。map中的配置参数请参见aclgrphBuildModel支持的配置参数。model输出编译生成的离线模型缓存模型保存在内存缓冲区中。详情请参见ModelBufferData。其中data指向生成的模型数据length代表该模型的实际大小。返回值说明参数名类型说明-graphStatusGRAPH_SUCCESS(0)成功。其他值失败。约束说明对于aclgrphBuildModel和aclgrphBuildInitialize中重复的编译配置参数建议不要重复配置如果设置重复则以aclgrphBuildModel传入的为准。使用aclgrphBuildModel接口传入build_options参数时多张图场景下如果传入的参数为ge::ir_option::PRECISION_MODE或者ge::ir_option::PRECISION_MODE_V2多张图设置的参数值需要相同。使用aclgrphBuildModel接口编译的离线模型保存在内存缓冲区中如果希望将内存缓冲区中的模型保存为离线模型文件xx.om则需要调用aclgrphSaveModel接口序列化保存离线模型到文件中。后续进行推理业务需要使用从文件中加载模型的接口例如aclmdlLoadFromFile然后使用aclmdlExecute接口执行推理。如果离线模型保存在内存缓冲区后续进行推理业务时需要使用从内存中加载模型的接口例如aclmdlLoadFromMem然后使用aclmdlExecute接口执行推理。接口详细使用说明请参见《应用开发 (CC)》中的“模型推理”章节。【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