build_model【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。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build_model(graph: Graph, build_options: Optional[dict] None) - ModelBuffer参数说明参数名输入/输出描述graph输入待编译的Graph。build_options输入Graph级别配置参数。配置参数dict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。dict中支持的配置参数请参见aclgrphBuildModel支持的配置参数key为C常量对应的字符串值。返回值说明(ModelBuffer)编译生成的离线模型缓存。约束说明如果graph不是Graph类型抛出TypeError。如果build_options不是有效的字符串dict抛出TypeError。如果编译失败抛出RuntimeError。对于build_model和build_initialize中重复的options编译配置参数建议不要重复配置如果设置重复则以build_model传入的为准。使用build_model接口传入build_options参数时多张图场景下如果传入的参数为PRECISION_MODE或者PRECISION_MODE_V2多张图设置的参数值需要相同。使用build_model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save_model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。接口详细介绍请参见“模型管理”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