企业官网建设流程全解析

build_model

【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

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

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】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