# map_input【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给FlowNode映射输入表示将FlowNode的第node_input_index个输入给到ProcessPoint的第pp_input_index个输入并且给ProcessPoint的该输入设置上attr里的所有属性返回映射好的FlowNode节点。该函数可选不被调用时会默认按顺序去映射FlowNode和ProcessPoint的输入。函数原型map_input(node_input_index, pp, pp_input_index, input_attrs[])参数说明参数名称数据类型取值说明node_input_indexintFlowNode节点输入index小于等于输入个数。ppUnion[GraphProcessPoint, FuncProcessPoint]FlowNode节点映射的pp。可以是GraphProcessPoint或者FuncProcessPoint。pp_input_indexintpp的输入index。input_attrsList[Union[TimeBatch, CountBatch]]属性集当前支持TimeBatch和CountBatch。返回值正常场景下返回None。异常情况如下会抛出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 dataflow as df pp df.FuncProcessPoint(...) flow_node df.FlowNode(input_num2, output_num1) flow_node.add_process_point(pp) flow_node.map_input(0, pp, 1) flow_node.map_input(1, pp, 0) flow_node_out flow_node(data0, data1)约束说明无【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