函数：infer_shape

aclError aclopInferShape(const char *opType, int numInputs, aclTensorDesc *inputDesc[], aclDataBuffer *inputs[], int numOutputs, aclTensorDesc *outputDesc[], aclopAttr *attr)

ret = acl.op.infer_shape(op_type, in_desc_list, in_list, num_outputs, out_desc_list, attr)

根据算子的输入Shape、输入值推导出算子的输出Shape。

op_type：int，指定算子类型名称。

in_desc_list：list，算子输入Tensor的描述。需提前调用acl.create_tensor_desc接口创建aclTensorDesc类型。

in_list：list，算子输入Tensor。

此处算子输入Tensor数据的内存必须根据应用运行模式来确定，应用运行在Host时，此处需申请Host上的内存。应用运行在Device时，此处需申请Device上的内存。内存申请接口请参见内存管理。此处需申请Device上的内存。内存申请接口请参见内存管理。

num_outputs：int，算子输出Tensor的数量。

attr：int，算子的属性地址对象。

out_desc_list：list，算子输出Tensor的描述。需提前调用acl.create_tensor_desc接口创建aclTensorDesc类型。“out_desc_list”列表中的元素个数必须与“num_outputs”参数值保持一致。

ret：int，错误码。

• 返回0表示成功。
• 返回其它值表示失败。

• 推导算子的输出Shape包含三种场景：
  • 根据Shape推导，可以得到算子的准确输出Shape，则返回准确输出Shape。
  • 根据Shape推导，无法得到算子的准确输出Shape，但可以得到输出Shape的范围，则在输出参数out_desc_list中将算子输出Tensor描述中的动态维度的维度值记为-1。该场景下，用户可调用get_tensor_desc_dim_range接口获取Tensor描述中指定维度的范围值。
  • （该场景预留）根据Shape推导，无法得到算子的准确输出Shape以及Shape范围，则在输出参数out_desc_list中将算子输出Tensor描述中的动态维度的维度值记为-2。
• 如果算子有动态输入或动态输出，在调用acl.op.infer_shape接口推导算子的输出Shape前，需先调用set_tensor_desc_name接口设置所有输入和输出的Tensor描述的名称，且名称必须按照如下要求（算子IR原型中定义的输入/输出名称请参见《算子清单》。）
  • 对于必选输入、可选输入、必选输出，名称必须与算子IR原型中定义的输入/输出名称保持一致。
  • 对于动态输入、动态输出，名称必须是：算子IR原型中定义的输入/输出名称+编号。编号根据动态输入/输出的个数确定，从0开始，0对应第一个动态输入/输出，1对应第二个动态输入/输出，以此类推。

  例如某个算子有2个输入（第1个是必选输入x，第二个是动态输入y且输入个数为2）、1个必选输出z，则调用set_tensor_desc_name接口设置名称的代码示例如下：

  acl.set_tensor_desc_name(input_tensor_desc[0], "x");
  acl.set_tensor_desc_name(input_tensor_desc[1], "y0");
  acl.set_tensor_desc_name(input_tensor_desc[2], "y1");
  acl.set_tensor_desc_name(input_tensor_desc[0], "z");