当前位置: 首页 > news >正文

CANN/ge DataFlow Python注册函数指南

# register

【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

  • Atlas A3 训练系列产品/Atlas A3 推理系列产品:支持
  • Atlas A2 推理系列产品/Atlas A2 训练系列产品:支持

函数功能

注册自定义类型对应的序列化、反序列化、计算size的函数,可结合feed,fetch接口使用,用于feed/fetch任意Python类型。

函数原型

register(msg_type, clz, serialize_func, deserialize_func, size_func=None)

参数说明

参数名称数据类型取值说明
msg_typeint注册的类型ID。
clz类型定义类型定义,比如int,str,或者自定义的class。
serialize_funcfunction序列化函数,输入是任意的Python对象,输出bytes类型的数据,即对象被序列化后的字节流。
deserialize_funcfunction反序列化函数,输入类型为bytes,表示要反序列化的字节流,输出为被反序列化的对象。可以是任何Python对象类型。
size_funcfunction计算序列化后内存大小的函数,单位字节,预留字段。

返回值

正常场景下返回None。

异常情况下会抛出DfException异常。可以通过捕捉异常获取DfException中的error_code与message查看具体的错误码及错误信息。详细信息请参考DataFlow错误码。

调用示例

import cloudpickle import dataflow as df class TestClass(): def __init__(self, name, val): self.name = name self.val = val df.msg_type_register.register(1026, TestClass, lambda obj: cloudpickle.dumps(obj), lambda buffer: cloudpickle.loads(buffer))

约束说明

【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

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

http://www.jsqmd.com/news/1071197/

相关文章:

  • TeamSpeak 6 Server Docker部署终极指南:SQLite与MariaDB双数据库实战方案
  • ComfyUI-LTXVideo终极指南:5步实现专业级AI视频生成
  • CANN/catlass小形状矩阵乘法示例
  • JoyAI-Image-Edit-Plus-Diffusers未来路线图:AI图像编辑技术发展趋势
  • cann/runtime随机数生成示例
  • 002 使用单片机实现的逻辑分析仪——扩展篇
  • find、stat、touch、tree、scp、crontab指令相关应用
  • 5个实用技巧:用TimetableLayout打造专业级Android时间表应用
  • 性能优化秘籍:TP=2 vs TP=4配置对比,找到最佳GPU资源利用方案
  • TruecallerJS API深度解析:如何构建专业的电话号码验证系统
  • 解锁Java生态宝藏:从零构建企业级知识图谱的技术架构深度剖析
  • 98个公共Tracker完整指南:彻底解决BT下载卡顿难题
  • Bernini-R-GGUF-ComfyUI核心功能解析:为什么它是视频创作者的终极工具
  • ComfyUI-LTXVideo完整指南:如何在ComfyUI中轻松生成高质量AI视频
  • TruecallerJS实战应用:10个真实场景下的电话号码查询解决方案
  • CANN运行时设备到主机同步内存复制示例
  • Gemma-4-31B-StyleTune vs 传统微调:终极VRAM需求对比分析
  • 5个实战项目:用Deep Learning Illustrated代码构建深度学习应用
  • Open3D (C++) 三维轨迹点的等间距三次样条平滑与插值(间距可控)
  • Sapiens2-Pose-0.4B vs 其他姿态估计模型:为什么它是最佳选择?[特殊字符]
  • CANN ops-nn ApplyAdagradD算子
  • Edge-TTS终极指南:专业诊断与高效解决语音合成错误的完整方案
  • CANN/PTO-ISA SET_QUANT_VECTOR指令
  • 如何3分钟上手vite-vue3-chrome-extension-v3?从安装到第一个扩展的完整指南
  • C# vs C++:垃圾回收的“世纪对决“:90%的开发者都选错了!
  • Bernini-R vs 其他视频AI工具:为什么选择GGUF版本的ComfyUI集成方案?[特殊字符]
  • Playground开发者必读:贡献代码与参与社区的最佳实践指南 [特殊字符]
  • CANN/catlass优化矩阵乘法示例
  • 10分钟掌握vite-vue3-chrome-extension-v3国际化:多语言扩展从零开始
  • 快速上手hspec:10分钟学会Haskell BDD测试框架 [特殊字符]