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)

同步或者异步执行指定的算子。

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。

每个算子的输入、输出组织不同，需要应用在调用时严格按照算子输入、输出参数来组织算子。用户在调用acl.op.execute_v2接口时，pyACL根据optype、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，AscendCL内部会自动将Host上的tensor数据拷贝到Device上。

无

接口调用流程、示例，参见单算子调用。