函数：load_from_file_with_mem
C函数原型 |
aclError aclmdlLoadFromFileWithMem(const char *modelPath, uint32_t *modelId, void *workPtr, size_t workSize, void *weightPtr, size_t weightSize) |
|---|---|
Python函数 |
model_id, ret = acl.mdl.load_from_file_with_mem(model_path, work_ptr, work_size, weight_ptr, weight_size) |
函数功能 |
从文件加载离线模型数据（适配昇腾AI处理器的离线模型），由用户自行管理模型运行的内存。 系统完成模型加载后，返回的模型ID，作为后续操作时用于识别模型的标志。 |
输入说明 |
model_path：str，离线模型文件的存储路径，路径中包含文件名。运行程序（APP）的用户需要对该存储路径有访问权限。 此处的离线模型文件是适配昇腾AI处理器的离线模型，即*.om文件。 work_ptr：int，Device上模型所需工作内存（存放模型输入/输出等数据）的指针地址，由用户自行管理，模型执行过程中不能释放该内存。如果在该参数处传入0，表示由系统管理内存。
说明：
由用户自行管理工作内存时，如果多个模型串行执行，可共用同一个工作内存，但用户需确保模型的串行执行顺序，工作内存的大小需按多个模型中最大工作内存的大小来申请，例如通过以下方式保证串行：
work_size：int，模型所需工作内存的大小，单位Byte。“work_ptr”为0时无效。 weight_ptr：int，Device上模型权值内存（存放权值数据）的指针地址，由用户自行管理，模型执行过程中不能释放该内存。如果在该参数处传入0，表示由系统管理内存。
说明：
使用用户自行管理权值内存时，在多线程场景下，对于同一个模型，如果在每个线程中都加载了一次，可选择共用“weight_ptr”的方式，因为“weight_ptr”内存在推理过程中是只读的。 此处需注意，在共用“weight_ptr”期间，不能释放“weight_ptr”。 weight_size：int，模型所需权值内存的大小，单位Byte。“weight_ptr”为0时无效。 |
返回值说明 |
model_id：int，系统完成模型加载后生成的模型ID。 ret：int，错误码。
|
约束说明 |
模型加载、模型执行、模型卸载的操作必须在同一个Context下（关于Context的创建请参见acl.rt.set_device、acl.rt.create_context）。 |
相关接口 |
当前pyACL还提供了acl.mdl.set_config_opt接口、acl.mdl.load_with_config接口来实现模型加载，通过配置对象中的属性来区分，在加载模型时是从文件加载，还是从内存加载，以及内存是由系统内部管理，还是由用户管理。 |
参考资源 |
