dataflow.FlowData【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√函数功能DataFlow Graph中的数据节点每个FlowData对应一个输入。函数原型FlowData(data_clsTensor, schema:Optional[TensorDesc]None, nameNone)参数说明参数名称数据类型取值说明data_clsclass当前只支持默认值的Tensor表示FlowData接收Tensor类型的数据。schemaOptional[TensorDesc]对数据data_cls的描述由于当前data_cls只支持Tensor所以schema取值为TensorDesc。namestr节点名称框架会自动保证名称唯一不设置时会自动生成FlowData, FlowData_1, FlowData_2,...的名称。返回值正常场景下返回None。返回raise DfException表示参数类型不正确。可以通过捕捉异常获取DfException中的error_code与message查看具体的错误码及错误信息。详细信息请参考DataFlow错误码。调用示例import dataflow as df # 创建不指定数据类型和名称的输入节点如果用户不指定name框架将为其分配唯一的节点名称FlowData FlowData_1 data df.FlowData() # 创建接受int32数据类型shape为[1]的输入节点 data df.FlowData(schemadf.TensorDesc(df.DT_INT32, [1])) # 创建不指定数据类型指定名称为data0的输入节点 data df.FlowData(namedata0) # 创建数据类型为int32shape为[1], 名称为data0的输入节点 data df.FlowData(schemadf.TensorDesc(df.DT_INT32, [1]), namedata0)约束说明无【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