函数：set_dump

函数：create_and_get_op_desc

C函数原型	aclError aclmdlCreateAndGetOpDesc(uint32_t deviceId, uint32_t streamId, uint32_t taskId, char *opName, size_t opNameLen, aclTensorDesc **inputDesc, size_t *numInputs, aclTensorDesc **outputDesc, size_t *numOutputs)
Python函数	op_name, input_desc, num_inputs, output_desc, num_outputs, ret = acl.mdl.create_and_get_op_desc(device_id, stream_id, task_id, op_name_len)
函数功能	获取指定算子的描述信息，包括算子名、输入Tensor描述、输出Tensor描述，如果查询不到指定算子，则返回报错。同步接口。
输入说明	device_id：int，指定Device ID。 调用acl.rt.get_device_id_from_exception_info接口获取异常信息中的Device ID，作为本接口的输入。 stream_id：int，指定Stream ID。 调用acl.rt.get_stream_id_from_exception_info接口获取异常信息中的Stream ID，作为本接口的输入。 task_id：int，指定Task ID。 调用acl.rt.****get_task_id_from_exception_info接口获取异常信息中的Task ID，作为本接口的输入。 op_name_len：int，算子名称字符串长度。 若用户指定的长度比实际算子名称的长度短，则返回报错。
返回值说明	op_name：string，算子名称字符串。 input_desc：int，算子所有输入的Tensor描述，指向一块连续内存的首地址。 num_inputs：int，输入个数。 output_desc：int，算子所有输出的Tensor描述，指向一块连续内存的首地址。 num_outputs：int，输出个数。 ret：int，错误码。 - 返回0表示成功。 - 返回其它值表示失败。
约束说明	使用场景****举例：执行整网模型推理时（不支持动态Shape场景），如果产生AI Core报错，可以调用本接口获取报错算子的描述信息，再做进一步错误排查。 推荐的接口调用顺序如下： 1. 定义并实现异常回调函数fn(aclrtExceptionInfoCallback类型)，回调函数原型请参见acl.rt.set_exception_info_callback。 实现回调函数的关键步骤如下： 1. 在异常回调函数fn内调用acl.rt.get_device_id_from_exception_info、acl.rt.get_stream_id_from_exception_info、acl.rt.get_task_id_from_exception_info接口分别获取Device ID、Stream ID、Task ID。 2. 在异常回调函数fn内调用acl.mdl.create_and_get_op_desc接口获取算子的描述信息。 3. 在异常回调函数fn内调用acl.get_tensor_desc_by_index接口获取指定算子输入/输出的Tensor描述。 4. 在异常回调函数fn内如下接口获取Tensor描述中的数据，进行进一步分析。 例如，调用acl.get_tensor_desc_address接口获取Tensor数据的内存地址（用户可从该内存地址中获取Tensor数据）、调用acl.get_tensor_desc_type接口获取Tensor描述中的数据类型、调用acl.get_tensor_desc_format接口获取Tensor描述中的Format、调用acl.get_tensor_desc_num_dims接口获取Tensor描述中的Shape维度个数、调用acl.get_tensor_desc_dim_v2接口获取Shape中指定维度的大小。 2. 调用acl.rt.set_exception_info_callback接口设置异常回调函数。 3. 执行模型推理。 如果存在AI Core报错，则触发回调函数fn，获取算子的信息，进行进一步分析。
参考资源	接口调用示例，参见AI Core异常信息获取。

父主题： 模型加载与执行

函数：init_dump

C函数原型	aclError aclmdlInitDump()
Python函数	ret = acl.mdl.init_dump()
函数功能	Dump初始化。同步接口。
输入说明	无
返回值说明	ret：int，错误码。 - 返回0表示成功。 - 返回其它值表示失败。
约束说明	- acl.mdl.init_dump接口需要与acl.mdl.set_dump接口、acl.mdl.finalize_dump接口配合使用，用于将Dump数据记录到文件中。一个进程内，可以根据需求多次调用这些接口，基于不同的Dump配置信息，获取Dump数据。 - 场景举例： - 两次模型执行，需要设置不同的的Dump配置信息，接口调用顺序：acl.init接口-->acl.mdl.init_dump接口-->acl.mdl.set_dump接口-->模型加载-->模型执行-->acl.mdl.finalize_dump接口-->模型卸载-->acl.mdl.init_dump接口-->acl.mdl.set_dump接口-->模型加载-->模型执行-->acl.mdl.finalize_dump接口-->模型卸载-->执行其它任务-->acl.finalize接口 - 同一个模型执行两次，第一次需要Dump，第二次无需Dump，接口调用顺序：acl.init接口-->acl.mdl.init_dump接口-->acl.mdl.set_dump接口-->模型加载-->模型执行-->acl.mdl.finalize_dump接口-->模型卸载-->模型加载-->模型执行-->执行其它任务-->acl.finalize接口 - 如果已经通过acl.init接口配置了dump信息，则调用acl.mdl.init_dump接口时会返回失败。 - 必须在调用acl.init接口之后、模型加载接口之前调用acl.mdl.init_dump接口。
相关接口	pyACL还提供了acl.init接口，在pyACL初始化阶段，通过*.json文件传入Dump配置信息，运行应用后获取Dump数据的方式。该种方式，一个进程内，只能调用一次acl.init接口，如果要修改Dump配置信息，需修改*.json文件中的配置。

父主题： 模型加载与执行

函数：set_dump

C函数原型	aclError aclmdlSetDump(const char *dumpCfgPath)
Python函数	ret = acl.mdl.set_dump(dump_cfg_path)
函数功能	设置dump参数。同步接口。
输入说明	dump_cfg_path：string，配置文件所在的路径，包含文件名。 配置文件格式为JSON格式，当前可配置dump数据的相关信息，示例请参见配置文件示例，详细配置说明请参见《精度比对工具使用指南》中的“比对数据准备>准备离线模型dump数据文件”。如果不涉及配置信息，需向acl.mdl.set_dump接口中不加参数。
返回值说明	ret：int，错误码。 - 返回0表示成功。 - 返回其它值表示失败。
约束说明	- acl.mdl.init_dump接口需要与acl.mdl.set_dump接口、acl.mdl.finalize_dump接口配合使用，用于将Dump数据记录到文件中。一个进程内，可以根据需求多次调用这些接口，基于不同的Dump配置信息，获取Dump数据。 - 场景举例： - 两次模型执行，需要设置不同的的Dump配置信息，接口调用顺序：acl.init接口-->acl.mdl.init_dump接口-->acl.mdl.set_dump接口-->模型加载-->模型执行-->acl.mdl.finalize_dump接口-->模型卸载-->acl.mdl.init_dump接口-->acl.mdl.set_dump接口-->模型加载-->模型执行-->acl.mdl.finalize_dump接口-->模型卸载-->执行其它任务-->acl.finalize接口 - 同一个模型执行两次，第一次需要Dump，第二次无需Dump，接口调用顺序：acl.init接口-->acl.mdl.init_dump接口-->acl.mdl.set_dump接口-->模型加载-->模型执行-->acl.mdl.finalize_dump接口-->模型卸载-->模型加载-->模型执行-->执行其它任务-->acl.finalize接口 - 如果已经通过acl.init接口配置了dump信息，则调用acl.mdl.init_dump接口时会返回失败。 - 必须在调用acl.init接口之后、模型加载接口之前调用acl.mdl.init_dump接口。
相关接口	pyACL还提供了acl.init接口，在pyACL初始化阶段，通过*.json文件传入Dump配置信息，运行应用后获取Dump数据的方式。该种方式，一个进程内，只能调用一次acl.init接口，如果要修改Dump配置信息，需修改*.json文件中的配置。

配置文件示例

以Caffe ResNet-50网络为例，若需要比对Caffe ResNet-50网络与基于Caffe ResNet-50转换成的适配昇腾AI处理器的离线模型中某些层算子的输出结果，可以在配置文件中配置如下内容：

{                                                                                            
	"dump":{                                                                                 
		"dump_list":[                                                                        
			{                                                                                
				"model_name":"ResNet-50",
				"layer":[
				      "conv1conv1_relu",
				      "res2a_branch2ares2a_branch2a_relu",
				      "res2a_branch1",
				      "pool1"
				]                                                     
			}                                                                                
		],                                                                                   
		"dump_path":"/home/HwHiAiUser/ide_daemon/dump",
                "dump_mode":"output"                                 
	}      

}

父主题： 模型加载与执行

函数：finalize_dump

C函数原型	aclError aclmdlFinalizeDump()
Python函数	ret = acl.mdl.finalize_dump()
函数功能	Dump去初始化。同步接口。
输入说明	无
返回值说明	ret：int，错误码。 - 返回0表示成功。 - 返回其它值表示失败。
约束说明	- acl.mdl.init_dump接口需要与acl.mdl.set_dump接口、acl.mdl.finalize_dump接口配合使用，用于将Dump数据记录到文件中。一个进程内，可以根据需求多次调用这些接口，基于不同的Dump配置信息，获取Dump数据。 - 场景举例： - 两次模型执行，需要设置不同的的Dump配置信息，接口调用顺序：acl.init接口-->acl.mdl.init_dump接口-->acl.mdl.set_dump接口-->模型加载-->模型执行-->acl.mdl.finalize_dump接口-->模型卸载-->acl.mdl.init_dump接口-->acl.mdl.set_dump接口-->模型加载-->模型执行-->acl.mdl.finalize_dump接口-->模型卸载-->执行其它任务-->acl.finalize接口 - 同一个模型执行两次，第一次需要Dump，第二次无需Dump，接口调用顺序：acl.init接口-->acl.mdl.init_dump接口-->acl.mdl.set_dump接口-->模型加载-->模型执行-->acl.mdl.finalize_dump接口-->模型卸载-->模型加载-->模型执行-->执行其它任务-->acl.finalize接口 - 如果已经通过acl.init接口配置了dump信息，则调用acl.mdl.init_dump接口时会返回失败。 - 必须在调用acl.init接口之后、模型加载接口之前调用acl.mdl.init_dump接口。
相关接口	pyACL还提供了acl.init接口，在pyACL初始化阶段，通过*.json文件传入Dump配置信息，运行应用后获取Dump数据的方式。该种方式，一个进程内，只能调用一次acl.init接口，如果要修改Dump配置信息，需修改*.json文件中的配置。

父主题： 模型加载与执行

函数：get_aipp_type

C函数原型	aclError aclmdlGetAippType(uint32_t modelId, size_t index, aclmdlInputAippType *type, size_t *dynamicAttachedDataIndex)
Python函数	type, dynamic_attached_data_index, ret = acl.mdl.get_aipp_type(model_id, index)
函数功能	获取指定模型的指定输入所支持的AIPP类型（动态AIPP或静态AIPP）及动态AIPP输入对应的index值。
输入说明	model_id：int，指定模型的ID。 调用acl.mdl.load_from_file接口/acl.mdl.load_from_mem接口/acl.mdl.load_from_file_with_mem接口/acl.mdl.load_from_mem_with_mem接口加载模型成功后，会返回模型ID。 index：int，模型中输入的index。
返回值说明	type：int，表示指定模型输入的AIPP类型。 dynamic_attached_data_index：int，返回信息。 - 当type不为ACL_DATA_WITH_DYNAMIC_AIPP时，该值返回“0xFFFFFFFF”，表示无效。 - 当type为ACL_DATA_WITH_DYNAMIC_AIPP时，该值返回动态AIPP输入（用于配置动态AIPP参数）的index。 - 0：ACL_DATA_WITHOUT_AIPP #该输入无AIPP信息 - 1：ACL_DATA_WITH_STATIC_AIPP #该输入带静态AIPP信息 - 2：ACL_DATA_WITH_DYNAMIC_AIPP #该输入有关联的动态AIPP输入 - 3：ACL_DYNAMIC_AIPP_NODE #该输入本身就是动态AIPP输入，用于配置动态AIPP参数 ret：int，错误码。 - 返回0表示成功。 - 返回其它值表示失败。
约束说明	无
参考资源	接口调用示例，参见动态AIPP（多个动态AIPP输入）。

父主题： 模型加载与执行

在线提单