BROADCAST_INFER【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。头文件#include graph/operator_reg.h功能说明提供公共函数宏封装供算子开发者开发InferShape函数。该函数基于2个输入的shape设置输出的shape。该宏只是设置shape未设置dtype。如果2个输入的shape一致会按输入的shape设置输出shape。如果2个输入的shape不一致会按照Broadcast的策略取2个输入shape的并集。比如输入shape分别为1,2,3,4和3,1,3,4则该宏会设置算子的输出shape为3,2,3,4。函数原型BROADCAST_INFER(in1_name, in2_name, out_name)该函数会自动调用如下函数graphStatus BroadCastInfer(const functionvectorint64_t() get_in1_shape, const functionvectorint64_t() get_in2_shape, const functionvoid(const std::vectorint64_t y_shape) set_out_shape);参数说明参数名输入/输出描述in1_name输入算子第一个输入。in2_name输入算子第二个输入。out_name输入算子输出。返回值说明执行成功或失败。约束说明无调用示例IMPLEMT_INFERFUNC(RightShift, RightShiftInfer) { DataType type op.GetInputDesc(x).GetDataType(); SET_OUTPUT_TYPE(op, z, type); return BROADCAST_INFER(x, y, z)(op); }【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
