ATC（Ascend Tensor Compiler）是异构计算架构CANN体系下的模型转换工具：它可以将开源框架的网络模型（如TensorFlow等）以及Ascend IR定义的单算子描述文件转换为昇腾AI处理器支持的离线模型；模型转换过程中，ATC会进行算子调度优化、权重数据重排、内存使用优化等具体操作，对原始的深度学习模型进行进一步的调优，从而满足部署场景下的高性能需求，使其能够高效执行在昇腾AI处理器上。

本期就分享几个关于ATC模型转换动态shape相关问题的典型案例，并给出原因分析及解决方法：

1. 原始网络模型shape中存在不固定的维度值，模型转换未设置shape信息
2. 动态BatchSize/动态分辨率/动态维度场景，只设置一个档位，模型转换失败
3. 使用动态batchsize参数转模型时，其他档位设置了-1，模型转换失败
4. 使用动态分辨率参数转模型时，其他档位设置了-1，模型转换失败

01 原始网络模型shape中存在不固定的维度值，模型转换未设置shape信息

问题现象描述

获取原始网络模型，执行如下命令进行模型转换：

atc --model=./resnet_shape.pb --framework=3 --output=./out/resnet_shape --soc_version=Ascend310

报错信息如下：

ATC run failed, Please check the detail log, Try 'atc --help' for more information
E10001: Value [-1] for parameter [Inputs] is invalid. Reason: maybe you should set input_shape to specify its shape
Solution: Try again with a valid argument.

原因分析

原始模型的shape存在不固定的维度值“-1”，模型输入样例如下，模型转换时，并未给不固定的维度值赋值。