企业官网建设流程全解析

# method

【免费下载链接】geGE（Graph Engine）是面向昇腾的图编译器和执行器，提供了计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型执行效率，减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力，并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge

产品支持情况

• Atlas A3 训练系列产品/Atlas A3 推理系列产品：支持
• Atlas A2 推理系列产品/Atlas A2 训练系列产品：支持

函数功能

对于复杂场景支持将类作为pipeline任务在本地或者远端运行。为此，需使用@pyflow装饰类，同时使用@method装饰类中的函数，以表达需要使用pipeline方式运行此函数，支持一个类中存在多个被@method修饰的函数，以表达可同时接受输入进行执行，同时被@method修饰的函数均需要参与进行构造FlowGraph图。不直接作为pipeline执行的函数不能使用@method进行装饰，比如内部函数。

函数原型

装饰器@method

参数说明

返回值

正常场景下返回被装饰的函数。

异常情况下会抛出DfException异常。可以通过捕捉异常获取DfException中的error_code与message查看具体的错误码及错误信息。详细信息请参考DataFlow错误码。

调用示例

import dataflow as df @df.pyflow class Foo(): def __init__(self): pass # 使用num_returns表达输出个数为2 @df.method(num_returns=2) def func1(a, b): return a + b,a - b # 使用typing表达输出个数为2 @df.method() def func2(a, b) -> Tuple[int, int]: return a + b,a - b # 默认返回1个 @df.method() def func3(a, b): return a + b @df.method(stream_input='Queue') def func4(a, b): data1 = a.get() data2 = a.get() data3 = b.get() return data1 + data2 + data3 @df.method(choice_output=lambda e: e is not None) def func5(self, a) -> Tuple[int, int]: return None, a # 根据lambda函数将非空值才送到相应输出

约束说明

环境需安装对应Python版本的cloudpickle包。

被@method修饰的函数必须要参与构图过程，@pyflow修饰的类构图过程自己的输出不能再作为自己的输入，如果函数存在默认值，构图时仍然要求连边。

流式输入场景下DataFlow框架不支持数据对齐和异常事务处理。

【免费下载链接】geGE（Graph Engine）是面向昇腾的图编译器和执行器，提供了计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型执行效率，减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力，并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge