Lectura del código fuente de MNN: análisis de la estructura de datos tensor y ejemplos de ejecución

El tensor es una estructura de datos que aloja datos intermedios en el marco de inferencia. Las funciones más utilizadas son las siguientes:

El primer parámetro es la información de dimensión del tensor y el segundo parámetro. es si Especifique el puntero de datos. El tercer parámetro es la información de disposición de los datos en la memoria. Si es CAFFE, resulta ser del tipo NCHW. Si es TENSORFLOW, resulta ser del tipo NHWC. tipo A menudo hay algunos errores aquí, como cuando final Cuando desea obtener datos 1 3 1024 * 1024, si no especifica la disposición de datos del tipo CAFFE, pero usa la situación predeterminada (TENSORFLOW), la dimensión del canal. los datos leídos están al final.

Obtener varias dimensiones y longitudes:

Obtener el vector de forma y el número total de datos:

Obtener el puntero de datos:

El intérprete es un MNN Para una red obtenida del modelo, la operación tenosr del intérprete debe involucrar la configuración del tesnor de entrada y el tensor de salida. Dado que puede ejecutarse en diferentes dispositivos, puede haber operaciones de copia de memoria.

Obtenga el tensor de entrada del intérprete:

Obtenga el tensor de salida del intérprete:

Copie los datos del tensor del host al tensor del intérprete

Copie los datos del tensor del intérprete al tensor anfitrión