news 2026/9/10 9:36:02

CANN/GE创建int32向量常量API

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
CANN/GE创建int32向量常量API

EsCreateVectorInt32

【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

产品

是否支持

Atlas A3 训练系列产品 / Atlas A3 推理系列产品

Atlas A2 训练系列产品 / Atlas A2 推理系列产品

头文件/库文件

  • 头文件:#include <ge/es_funcs.h>
  • 库文件:libeager_style_graph_builder_base.so、libeager_style_graph_builder_base.a

功能说明

创建int32类型的向量常量。

函数原型

EsCTensorHolder *EsCreateVectorInt32(EsCGraphBuilder *graph, const int32_t *value, int64_t dim)

参数说明

参数名

输入/输出

说明

graph

输入

图构建器指针。

value

输入

向量数据指针。

dim

输入

向量长度。

返回值说明

参数名

类型

说明

-

EsCTensorHolder

成功返回创建的tensor持有者指针,失败返回nullptr。

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

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/10 9:35:57

AI智能体连接器实战:如何让WorkBuddy接入你的真实工作环境

1. 写在连接之前&#xff1a;为什么WorkBuddy要单独写一篇“连接”先交代一下背景&#xff0c;这是《WorkBuddy实战蓝皮书》系列的第三篇。前面两篇&#xff0c;一篇讲了基础概念和界面布局&#xff0c;一篇讲了核心指令和Skill的用法&#xff0c;到了这一篇&#xff0c;我打算…

作者头像 李华
网站建设 2026/9/10 9:35:37

TimesFM时间序列基础模型在风控预测中的实战应用

谷歌把TimesFM这套时间序列基础模型放出来的时候&#xff0c;我还是比较关注的。做风控的人应该都有同感&#xff1a;时序预测这件事在业务里无处不躲&#xff0c;贷前要估账户行为&#xff0c;贷中要盯交易波动&#xff0c;贷后要预测回收率&#xff0c;反欺诈要判断案件趋势&…

作者头像 李华
网站建设 2026/9/10 9:34:10

在PHP中如何实现服务发现与注册功能?

在PHP中实现服务发现与注册功能&#xff0c;通常不是由PHP代码本身直接完成的&#xff0c;而是依赖于外部的服务注册与发现工具或框架。这是因为服务发现与注册通常涉及网络通信、服务监控和状态检测等&#xff0c;这些都是PHP语言本身不擅长的领域。然而&#xff0c;PHP可以与…

作者头像 李华
网站建设 2026/9/10 9:34:05

context-mode:用状态机和事件驱动实现上下文感知的模式自动切换

第一次知道 context-mode 这个概念&#xff0c;是因为我实在受不了一件事&#xff1a;每天到公司插上显示器&#xff0c;我得手动切键盘布局、关掉外放、把鼠标速度调回去&#xff1b;下班拔掉显示器&#xff0c;又得重复一遍反操作。一开始我写了个 bash 脚本一键切换&#xf…

作者头像 李华
网站建设 2026/9/10 9:32:09

Python实现TransE在FB15k上的训练:避开三大坑与调参实战

简介&#xff1a;这是一份TransE模型的Python实现&#xff0c;配套FB15k知识图谱数据集&#xff0c;面向知识图谱表示学习入门者、算法工程师及需要完成链接预测、知识图谱补全等任务的研究人员。资源共21个文件&#xff0c;包含14个txt数据文件&#xff08;例如训练集、验证集…

作者头像 李华