函数：execute_v2

aclError aclopExecuteV2(const char *opType, int numInputs, aclTensorDesc *inputDesc[], aclDataBuffer *inputs[], int numOutputs, aclTensorDesc *outputDesc[], aclDataBuffer *outputs[], aclopAttr *attr, aclrtStream stream);

ret = acl.op.execute_v2(op_type, input_desc, inputs, output_desc, outputs, attr, stream)

执行指定的算子。

op_type：str，指定算子类型名称。

input_desc：list，表示算子输入Tensor的描述, 整形列表，包含多个acl的Tensor描述地址对象。

inputs：list，表示算子输入Tensor，整形列表，包含多个aclDataBuffer数据地址对象。

output_desc：list，表示算子输出Tensor的描述，整形列表，包含多个acl的Tensor描述地址对象。

outputs：list，表示算子输出Tensor，整形列表，包含多个aclDataBuffer数据地址对象。

attr：int，算子的属性地址对象。

stream：int，该算子需要加载的Stream对象。

ret：int，错误码。

• 返回0表示成功。
• 返回其它值表示失败。

该接口是异步接口，调用接口成功仅表示任务下发成功，不表示任务执行成功。调用该接口后，需调用同步等待接口（例如，acl.rt.synchronize_stream）确保任务已执行完成。

多线程场景下，不支持调用本接口时指定同一个Stream或使用默认Stream，否则可能任务执行异常。

每个算子的输入、输出、属性不同，需要应用在调用时严格按照算子输入、输出、属性来组织算子。用户在调用acl.op.execute_v2接口时，pyACL根据op_type、输入Tensor的描述、输出Tensor的描述、attr等信息查找对应的任务，并下发执行。

执行有constant输入的算子时，需要先调用acl.set_tensor_const接口设置constant输入。

调用acl.op.execute_v2接口时，设置的constant输入数据必须保持一致。

对于算子有constant输入的场景，如果未调用acl.set_tensor_const接口设置constant输入，则需调用acl.set_tensor_place_ment设置TensorDesc的placement属性，将memType设置为Host内存。

在执行单算子时，一般要求用户传入的输入/输出Tensor数据是存放在Device内存的，比如两个Tensor相加的场景。但是，也存在部分算子，除了将featureMap、weight等Device内存中的Tensor数据作为输入外，还需Tensor shape信息、learningRate、Tensor的dims信息等通常在Host内存中的Tensor数据也作为输入，此时，用户不需要额外将这些Host内存中的Tensor数据拷贝到Device上作为输入，只需要调用acl.set_tensor_place_ment接口设置对应TensorDesc的placement属性为Host内存，在执行单算子时，设置了placement属性为Host内存的TensorDesc，其对应的Tensor数据必须存放在Host内存中，pyACL内部会自动将Host上的Tensor数据拷贝到Device上。

接口调用流程、示例，参见单算子调用。