CANN/ge AIPP信息结构体

aclAippInfo

【免费下载链接】geGE（Graph 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

typedef struct aclAippInfo { aclAippInputFormat inputFormat; int32_t srcImageSizeW; int32_t srcImageSizeH; int8_t cropSwitch; int32_t loadStartPosW; int32_t loadStartPosH; int32_t cropSizeW; int32_t cropSizeH; int8_t resizeSwitch; int32_t resizeOutputW; int32_t resizeOutputH; int8_t paddingSwitch; int32_t leftPaddingSize; int32_t rightPaddingSize; int32_t topPaddingSize; int32_t bottomPaddingSize; int8_t cscSwitch; int8_t rbuvSwapSwitch; int8_t axSwapSwitch; int8_t singleLineMode; int32_t matrixR0C0; int32_t matrixR0C1; int32_t matrixR0C2; int32_t matrixR1C0; int32_t matrixR1C1; int32_t matrixR1C2; int32_t matrixR2C0; int32_t matrixR2C1; int32_t matrixR2C2; int32_t outputBias0; int32_t outputBias1; int32_t outputBias2; int32_t inputBias0; int32_t inputBias1; int32_t inputBias2; int32_t meanChn0; int32_t meanChn1; int32_t meanChn2; int32_t meanChn3; float minChn0; float minChn1; float minChn2; float minChn3; float varReciChn0; float varReciChn1; float varReciChn2; float varReciChn3; aclFormat srcFormat; // 模型转换前，原始模型的输入format aclDataType srcDatatype; // 模型转换前，原始模型的输入datatype size_t srcDimNum; // 模型转换前，原始模型输入dims size_t shapeCount; // 动态Shape（动态Batch或动态分辨率）场景下的档位数 aclAippDims outDims[ACL_MAX_SHAPE_COUNT]; // 在多shape模型下，各个分档对应的aipp输出dims信息，需要在模型编译阶段按照shape推导出来，保存在模型中，输出的Format，datatype、输出dims等不随shape变化而变化 aclAippExtendInfo *aippExtend; // 预留参数，当前版本用户必须传入空指针 } aclAippInfo;

【免费下载链接】geGE（Graph 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