做外贸收费的服装网站wordpress人才网主题

做外贸收费的服装网站,wordpress人才网主题,wordpress jiustore,新赣州网在华为算子开发中#xff0c;形状#xff08;Shape#xff09;是张量#xff08;Tensor#xff09;的一个核心属性#xff0c;用于描述张量在各个维度上的大小。 它以元组或列表的形式表示#xff0c;例如 (3, 4) 或 (2, 3, 4)#xff0c;其中每个数字对应一个维度的元…在华为算子开发中形状Shape是张量Tensor的一个核心属性用于描述张量在各个维度上的大小。 它以元组或列表的形式表示例如 (3, 4) 或 (2, 3, 4)其中每个数字对应一个维度的元素个数。形状的维度数量由元组中元素的个数决定例如形状 (4, 20, 20, 3) 表示一个四维张量。 在物理意义上形状定义了数据的布局例如在图像处理中形状 (4, 20, 20, 3) 可以解释为包含4张20x20像素的彩色图片每个像素由3个颜色通道组成。在算子开发中正确理解形状对于实现算子逻辑至关重要因为它影响数据访问模式和内存布局。 例如在华为CANN框架中形状与数据排布格式如NCHW或NC1HWC0结合使用以优化计算性能。形状Shape张量的形状以(D0, D1, … ,Dn-1)的形式表示D0到Dn是任意的正整数。如形状(3,4)表示第一维有3个元素第二维有4个元素(3,4)表示一个3行4列的矩阵数组。形状的第一个元素对应张量最外层中括号中的元素个数形状的第二个元素对应张量中从左边开始数第二个中括号中的元素个数依此类推。例如物理含义我们应该怎么理解呢假设我们有这样一个shape(4, 20, 20, 3)。假设有一些照片每个像素点都由红/绿/蓝3色组成即shape里面3的含义照片的宽和高都是20也就是20*20400个像素总共有4张的照片这就是shape(4, 20, 20, 3)的物理含义。如果体现在编程上可以简单把shape理解为操作Tensor的各层循环比如我们要对shape(4, 20, 20, 3)的A tensor进行操作循环语句如下produceA{for(i,0,4){for(j,0,20){for(p,0,20){for(q,0,3){A[((((((i*20)j)*20)p)*3)q)]a_tensor[((((((i*20)j)*20)p)*3)q)]}}}}}Shape推导Shape InferenceShape推导是图模式下的核心环节。开发者可以通过两种方式实现Follow模式若输出Shape与某输入Shape完全一致可使用Follow接口快速表达this-Output(y1).ParamType(REQUIRED).Follow(x1,FollowType::SHAPE);自定义InferShape函数对于输出Shape与输入Shape存在复杂关系的算子如Reshape需编写自定义InferShape函数ge::graphStatusInferShapeForReshape(InferShapeContext*context){constgert::Shape*x_shapecontext-GetInputShape(0);constgert::Tensor*shape_tensorcontext-GetInputTensor(1);gert::Shape*output_shapecontext-GetOutputShape(0);if(!x_shape||!shape_tensor||!output_shape)returnge::GRAPH_FAILED;auto reshape_sizestatic_castint32_t(shape_tensor-GetShapeSize());if(shape_tensor-GetDataType()ge::DT_INT32){int32_t*reshape_datashape_tensor-GetDataint32_t();returnReshapeInferShapeImplint32_t(reshape_data,*x_shape,*output_shape,reshape_size);}else{int64_t*reshape_datashape_tensor-GetDataint64_t();returnReshapeInferShapeImplint64_t(reshape_data,*x_shape,*output_shape,reshape_size);}}数据依赖算子部分算子在Shape推导时需要依赖输入的真实值如Reshape依赖shape输入。此类输入需通过ValueDepend(REQUIRED)声明this-Input(shape).ParamType(REQUIRED).ValueDepend(REQUIRED);动态Shape与ShapeRange推导有些算子如Unique的输出Shape在编译阶段无法确定必须在执行时才能得出。这时需要ShapeRange推导用于预估最大输出内存ge::graphStatusUniqueInferShapeRangeFunc(gert::InferShapeRangeContext*context){auto x_shape_rangecontext-GetInputShapeRange(0U);auto y_shape_rangecontext-GetOutputShapeRange(0U);y_shape_range-GetMax()-SetDim(0,x_shape_range-GetMax()-GetDim(0));y_shape_range-GetMin()-SetDim(0,x_shape_range-GetMin()-GetDim(0));returnge::GRAPH_SUCCESS;}通过ShapeRange推导框架可以安全地为动态输出分配内存保证算子执行的正确性。昇腾训练营报名链接:https://www.hiascend.com/developer/activities/cann20252#cann-camp-2502-intro训练营简介:2025年昇腾CANN训练营第二季基于CANN开源开放全场景推出0基础入门系列、码力全开特辑、开发者案例等专题课程助力不同阶段开发者快速提升算子开发技能。获得Ascend C算子中级认证即可领取精美证书完成社区任务更有机会赢取华为手机平板、开发板等大奖