Python样例使用指导-北京尧图网络

Python样例使用指导【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目录结构├── README.md 样例使用指导 ├── config │ ├── model_generator.py 生成用例所需的模型的脚本 │ ├── add_func.json 用例中udf配置文件 │ ├── add_graph.json 用例中计算图编译配置文件 │ ├── data_flow_deploy_info.json sample_udf_python用例中部署位置配置文件 │ ├── multi_model_deploy.json sample_multiple_model用例中部署位置配置文件 │ ├── sample_npu_model_deploy_info.json sample_npu_model用例中部署位置配置文件 │ ├── sample_pytorch_deploy_info.json sample_pytorch用例中部署位置配置文件 │ └── invoke_func.json 用例中udf_call_nn的编译配置文件 ├── sample_base.py 该样例展示了基本的DataFlow API构图包含UDFGraphPp和UDF执行NN推理三种类型节点的构造和执行 ├── sample_udf_python.py 该样例展示了python dataflow调用 udf python的过程 ├── sample_exception.py 该样例展示了使能异常上报的样例 ├── sample_pytorch.py 该样例展示了DataFlow结合pytorch进行模型的在线推理 ├── sample_npu_model.py 该样例展示了DataFlow在线推理时udf使用分别npu_model实现模型下沉和数据下沉场景 ├── sample_multiple_model.py 该样例将pytorch模型直接通过装饰器构造成funcPp同时和执行onnx模型/pb模型的GraphPp进行串接 ├── sample_perf.py 该样例为性能打点样例 ├── udf_py │ ├── udf_add.py 使用python实现udf多func功能 │ └── udf_control.py 使用python实现udf功能用于控制udf_add中多func实际执行的func └── udf_py_ws_sample 完整样例用于说明python udf实现 ├── CMakeLists.txt udf python完整工程cmake文件样例 ├── func_add.json udf python完整工程配置文件样例 ├── src_cpp │ └── func_add.cpp udf python完整工程C源码文件样例 └── src_python └── func_add.py udf python完整工程python源码文件样例环境准备参考环境准备下载安装驱动/固件/CANN软件包python 版本要求python3.11 具体版本以dataflow wheel包编译时用的python版本为准如果需要使用不同python版本可以参考编译重新编译ge_compiler包并安装config目录下的模型生成脚本 model_generator.py 依赖tensorflow-cpu和onnx需通过 pip3 install tensorflow-cpu 和 pip3 install onnx 安装sample_pytorch.py、sample_npu_model.py 样例依赖torch_npu和torchvision包torch_npu需要根据实际环境安装对应的torch与torch_npu包(建议使用大于等于2.1.0的版本获取方法)torchvision与torch有配套关系需要等torch安装完之后使用pip3 install torchvision安装。运行样例下文中numa_config.json文件配置参考numa_config字段说明及样例# 执行config目录下的tensorflow原始模型生成脚本 python3 config/model_generator.py # 执行结束后在config目录下生成add.pb模型和simple_model.onnx模型 # 可选 export ASCEND_GLOBAL_LOG_LEVEL3 #0 debug 1 info 2 warn 3 error 不设置默认error级别 # 必选 source {HOME}/Ascend/cann/set_env.sh #{HOME}为CANN软件包安装目录请根据实际安装路径进行替换 export RESOURCE_CONFIG_PATHxxx/xxx/xxx/numa_config.json python3.11 sample_base.py python3.11 sample_udf_python.py python3.11 sample_exception.py python3.11 sample_pytorch.py python3.11 sample_npu_model.py python3.11 sample_multiple_model.py python3.11 sample_perf.py # unset此环境变量防止影响非dflow用例 unset RESOURCE_CONFIG_PATH【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

Python样例使用指导

相关推荐

基于Trae框架的美妆颜值测试小程序开发实践

2026最新亲测：盘点10款好用的降ai率工具（内含优缺点对比图）

Android点击事件分发机制与实战解析

更多资讯

聊天系统-flask WebSocket SQLite

学生信息管理系统-flask mysql vue

SpringBoot+Vue+MyBatis+MySQL文旅网站管理系统开发实践解析

AWS多账号环境GDPR合规落地：从资产盘点到持续审计的完整路径

AI Agent可控性关键：Harness Engineering与SDD如何协同落地

awesome-math 里最值得收藏的 11 个数学学习资源，附自学路线建议

今日更新

CopilotKit Vue Demo 与 React Demo 的 Parity 实现指南：路由、运行时端点与交互语义的全框架对齐

Harbor RBAC 实战：db_auth 模式下非管理员用户管理项目成员的完整验证与权限模型解析

STM32平衡车纯平衡程序从拆包到参数整定的完整调试指南

本周精选

超人会飞不算本事：系统稳定依赖清晰规则与边界设计

超人VS蜘蛛侠：拆解超级IP的影响力与传播方法论

基于CNN的调制信号识别：MATLAB实现时频图分类实战

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？