动态Shape输入（设置Shape范围）
Atlas 200/300/500 推理产品不支持该特性。
Atlas 200I/500 A2推理产品不支持该特性。
接口调用流程
如果模型输入Shape是动态的，在模型执行之前调acl.mdl.set_dataset_tensor_desc设置该输入的Tensor描述信息（主要是设置Shape信息），在模型执行之后，调用acl.mdl.get_dataset_tensor_desc接口获取模型动态输出的Tensor描述信息，再进一步调用aclTensorDesc数据类型的操作接口获取输出Tensor数据占用的内存大小、Tensor的Format信息、Tensor的维度信息等。
关键原理说明如下：
- 构建模型。
模型推理场景下，对于动态Shape的输入数据，使用ATC工具转换模型时，通过“input_shape”参数设置输入Shape范围。
- 加载模型。
模型加载的详细流程，请参见模型加载，模型加载成功后，返回标识模型的ID。
- 创建aclmdlDataset类型的数据，用于描述模型执行的输入、输出。
详细调用流程请参见准备模型执行的输入/输出数据结构。
注意点如下：
- 在成功加载模型之后，执行模型之前，调用acl.mdl.set_dataset_tensor_desc接口设置动态Shape输入的Tensor描述信息（主要是设置Shape信息）。
在调用acl.create_tensor_desc接口创建Tensor描述信息时，设置Shape信息，包括维度个数、维度大小，此处设置的维度个数、维度大小必须在模型构建时设置的输入Shape范围内，模型构建的详细说明请参见模型构建。
- （可选）创建Allocator描述符、注册Allocator。
注意：当前仅支持在动态Shape模型推理场景使用外置Allocator管理内存，注册Allocator的接口需配合acl.mdl.execute_async接口一起使用，且需在acl.mdl.execute_async接口之前调用本接口。
- 先调用acl.rt.allocator_create_desc创建Allocator描述符 ；
- 再分别调用acl.rt.allocator_set_obj_to_desc、acl.rt.allocator_set_alloc_func_to_desc、acl.rt.allocator_set_get_addr_from_block_func_to_desc、acl.rt.allocator_set_free_func_to_desc设置Allocator对象及回调函数；
- 然后调用acl.rt.allocator_register注册Allocator，并将Allocator与stream绑定，模型执行时需使用相同的stream；
- 注册Allocator后，可调用acl.rt.allocator_destroy_desc接口销毁Allocator描述符。
- 执行模型。
- 获取模型执行的结果数据。
调用acl.mdl.get_dataset_tensor_desc接口获取动态Shape输出的Tensor描述信息，再利用aclTensorDesc数据类型的操作接口获取Tensor描述信息的属性，此处以获取size（表示Tensor数据占用的空间大小）为例，然后从内存中读取对应size的数据。
- （可选）若在5中注册Allocator，则此处需要取消注册、销毁已注册的Allocator。
用户注册的Allocator和Stream绑定，如需主动释放、销毁Allocator，在释放Stream之前，应先调用allocator_unregister取消注册，然后释放流资源、销毁用户的Allocator。
示例代码
调用接口后，需增加异常处理的分支，并记录报错日志、提示日志，此处不一一列举。以下是关键步骤的代码示例，不可以直接拷贝编译运行，仅供参考。
# 此例中假设模型的第一个输入为动态输入，其index为0；模型的第一个输出为动态输出，其index为0。
# 1.模型加载，加载成功后，再设置动态输入的Tensor描述信息，主要设置动态输入的Shape信息。
# ......
# 2.准备模型描述信息modelDesc_，准备模型的输入数据input_和模型的输出数据output_。
# 此处需注意：
# 当利用acl.mdl.get_input_size_by_index获取到的size大小为0时，表示该输入的Shape是动态的，用户可根据实际情况预估一块较大的输入内存。
# 当利用acl.mdl.get_output_size_by_index获取到的size大小为0时，表示该输出的Shape是动态的，用户可根据实际情况预估一块较大的输出内存。
# ......
# 3.自定义函数，设置动态输入的Tensor描述信息。
def set_tensor_desc():
# ......
# 创建Tensor描述信息，其中dataType和format不需要设置，pyACL直接从模型中获取，此处使用的默认值。
#shape需要和给定的输入数据的shape一致。
shapes = [1, 3, 224, 224]
inputDesc = acl.create_tensor_desc(0, shapes, 0)
# 设置index为0的动态输入的Tensor描述信息。
ret = acl.mdl.set_dataset_tensor_desc(input_, inputDesc, 0)
# ......
# 4. 创建Allocator描述符、注册Allocator
#假设allocator是用户想要注册的Allocator对象
def resgister_custom_allocator(allocator, stream):
# 6.1 创建 AllocatorDesc
allocatorDesc = acl.rt.allocator_create_desc();
# 6.2 初始化AllocatorDesc，设置Allocator内存申请、释放相关的回调函数。
acl.rt.allocator_set_obj_to_desc(allocatorDesc, allocator);
acl.rt.allocator_set_alloc_func_to_desc(allocatorDesc, CustomMallocFunc);
acl.rt.allocator_set_free_func_to_desc(allocatorDesc, CustomFreeFunc);
acl.rt.allocator_set_alloc_advise_func_to_desc(allocatorDesc, CustomMallocAdviseFunc);
acl.rt.allocator_set_get_addr_from_block_func_to_desc(allocatorDesc, CustomGetBlockAddrFunc);
# 注册Allocator并和Stream绑定，接口会根据AllocatorDesc创建
acl.rt.allocator_register(stream, allocatorDesc);
// Allocator描述符使用完成后，可直接销毁
acl.rt.allocator_destroy_desc(allocatorDesc);
def model_execute():
# ......
# 调用自定义接口，设置动态输入的Tensor描述信息。
set_tensor_desc()
# 执行模型。
ret = acl.mdl.execute(modelId, input_, output_)
# 获取index为0的动态输出的Tensor描述信息。
outputDesc = acl.mdl.get_dataset_tensor_desc(output_, 0)
# 利用aclTensorDesc数据类型的操作接口获取outputDesc的属性，此处需要获取size（表示Tensor数据占用的空间大小），然后从内存中读取对应size的数据。
outputFileName = str(ss)
outputDesc_size = acl.get_tensor_desc_size(outputDesc)
dataBuffer = acl.mdl.get_dataset_buffer(output_, 0)
data = acl.get_data_buffer_addr(dataBuffer)
outHostData = None
# 调用acl.rt.get_run_mode接口获取软件栈的运行模式，并根据运行模式判断是否进行数据传输。
runMode = None
ret = acl.rt.get_run_mode(runMode)
if runMode == ACL_HOST:
ret = acl.rt.malloc_host(outHostData, outputDesc_size)
# 由于动态shape申请的内存比较大，而真实数据的大小是outputDesc_size，所以此处用真实数据大小去拷贝内存。
ret = acl.rt.memcpy(outHostData, outputDesc_size, data, outputDesc_size, ACL_MEMCPY_DEVICE_TO_HOST)
with open(outputFileName, "wb") as f:
f.write(outHostData)
ret = acl.rt.free_host(outHostData)
else:
with open(outputFileName, "wb") as f:
f.write(data)
# ......
# 5.处理模型推理结果
# TODO
# 6. 取消注册、销毁已注册的 Allocator
def unresgister_custom_allocator(stream):
acl.rt.allocator_unregister(stream)# 由用户自行销毁自定义的Allocator
父主题： 模型动态推理