函数：get_input_dims_v2

aclError aclmdlGetInputDimsV2(const aclmdlDesc *modelDesc, size_t index, aclmdlIODims *dims)

dims, ret = acl.mdl.get_input_dims_v2(model_desc, index)

根据模型描述获取模型的输入Tensor的维度信息。

如果模型中含有静态AIPP配置信息，您可以根据实际需要选择acl.mdl.get_input_dims接口或acl.mdl.get.input_dims_v2接口查询维度信息，两者的区别在于：

• 通过acl.mdl.get_input_dims接口获取的维度信息，各维度的值与输入图像的各维度的值保持一致，详细规则请参见表1。

• 通过acl.mdl.get_input_dims_v2接口获取的维度信息，H维度的值 = 输入图像的H维度值 * 系数，不同图片格式下C维度的值不同，详细规则请参见acl.mdl.get_input_dims_v2接口处的表1，且各维度值相乘的结果值与通过acl.mdl.get_input_size_by_index接口获取的值保持一致。

model_desc：int，aclmdlDesc类型数据的指针地址。

需提前调用acl.mdl.create_desc接口创建aclmdlDesc类型的数据。

index：int，指定获取第几个输入的大小，index值从0开始。

dims：dict，针对多batch或多种宽高的场景，按照该字典的数组返回其支持的最大档的组合，具体请参见aclmdlIODims。

dims = {
        "name": xxx, #tensor name
        "dimCount":xxx，#shape中的维度个数
        "dims": [xx, xx, xx]   # 维度信息
        }

针对动态Batch、动态分辨率（宽高）的场景，输入Tensor的“dims”中Batch数或宽高为-1，表示其动态可变。

例如，输入Tensor的“format”为NCHW，在动态Batch场景下，动态可变的输入Tensor的“dims”为[-1, 3, 224, 224]，在动态分辨率场景下，动态可变的输入Tensor的“dims”为[1, 3, -1, -1]。举例中的斜体部分以实际情况为准。

• 若Tensor的“name”长度大于127，则在输出dims["name"]时，pyACL会将Tensor的“name”转换为“acl_modelId_${id}_input_${index}_${随机字符串} ”格式并在转换后的“name”与原“name”之间建立映射关系，用户可调用acl.mdl.get_tensor_real_name接口，传入转换后的“name”，获取原“name”（若向接口传入原“name”，则获取的还是原“name”）。
  说明：

  如果转换后的Tensor的“name”与模型中已有的Tensor的“name”冲突，则会在转换后的“name”尾部增加“_${随机字符串} ”，否则不会增加随机字符串。

• 若Tensor的“name”长度小于或等于127，则在输出的dims["name"]时，按Tensor的“name”输出。

针对静态AIPP场景，本接口针对不同格式的图像，对应NHWC的Format格式，当前接口中明确各个维度的定义规则，如表1所示。

ret：int，错误码。

• 返回0表示成功。
• 返回其它值表示失败。

无

YUV420SP_U8

NHWC

"n,h*1.5,w,1"

XRGB8888_U8

NHWC

"n,h,w,4"

RGB888_U8

NHWC

"n,h,w,3"

YUV400_U8

NHWC

"n,h,w,1"

ARGB8888_U8

NHWC

"n,h,w,4"

YUYV_U8

NHWC

"n,h,w,2"

YUV422SP_U8

NHWC

"n,h*2,w,1"

AYUV444_U8

NHWC

"n,h,w,4"