动态BatchSize OM推理
以档位1 2 4 8档为例，设置档位为2，本程序将获取实际模型输入组Batch，每2个输入为一组，进行组Batch。
示例命令：
python3 -m ais_bench --model ./inference/om/dynamic_batch_size_det.om --input ./inference/input/ --output ./inference/output/ --dymBatch 2
推理结果：
输出结果：
执行完毕后，输出会被保存在 ./inference/output/路径下：
inference/output/
├── 2025_03_17-11_11_48
├── image_0.bin
└── 2025_03_17-11_11_48_summary.json
动态分辨率 OM推理
以档位224,224;448,448档为例，设置档位为224,224，本程序将获取实际模型输入组Batch。
示例命令：
python3 -m ais_bench --model ./inference/om/dynamic_image_size_det.om --input ./inference/input/ --output ./inference/output/ --dymHW 224,224
推理结果：
输出结果：
执行完毕后，输出会被保存在 ./inference/output/路径下：
inference/output/
├── 2025_03_17-11_47_25
├── image_0.bin
└── 2025_03_17-11_47_25_summary.json
动态维度 OM推理
固定维度模式
以设置档位1,3,224,224为例，本程序将获取实际模型输入组Batch。
示例命令：
python3 -m ais_bench --model ./inference/om/dynamic_dims_det.om --input ./inference/input/ --output ./inference/output/ --dymDims x:1,3,224,224
推理结果：
输出结果：
执行完毕后，输出会被保存在 ./inference/output/路径下：
inference/output/
├── 2025_03_17-11_53_04
├── image_0.bin
└── 2025_03_17-11_53_04_summary.json
自动设置维度模式
动态维度模型输入数据的Shape可能是不固定的，比如一个输入文件Shape为1,3,224,224，另一个输入文件Shape为 1,3,448,448。若两个文件同时推理，则需要设置两次动态Shape参数，当前不支持该操作。针对该场景，增加动态Dims模式，可以根据输入文件的Shape信息，自动设置模型的Shape参数。
示例命令：
python3 -m ais_bench --model ./inference/om/dynamic_dims_det.om --input ./inference/input/ --output ./inference/output/ --auto_set_dymdims_mode 1
推理结果：
输入文件：
# 输入的input文件夹内容如下
ls ./inference/input/
image_1_224_224.npy image_1_448_448.npy
输出结果：
执行完毕后，输出会被保存在 ./inference/output/路径下：
inference/output/
├── 2025_03_18-23_54_55
├── image_1_224_224_0.bin
├── image_1_448_448_0.bin
└── 2025_03_18-23_54_55_summary.json
动态shape OM推理
固定shape模式
以ATC设置[1~8,3,224~448,224~448]，设置档位1,3,256,256为例，本程序将获取实际模型输入组Batch。
动态Shape的输出大小通常为0，建议通过--outputSize参数设置对应输出的内存大小。
示例命令：
python3 -m ais_bench --model ./inference/om/dynamic_shape_det_linux_aarch64.om --input ./inference/image.npy --output ./inference/output/ --dymShape x:1,3,256,256 --outputSize 10000
推理结果：
输出结果：
执行完毕后，输出会被保存在 ./inference/output/路径下：
inference/output/
├── 2025_03_19-00_12_07
├── image_0.bin
└── 2025_03_19-00_12_07_summary.json
自动设置Shape模式
动态Shape模型输入数据的Shape可能是不固定的，比如输入文件Shape分别为1,3,224,224；1,3,256,256；1,3,448,448。若三个文件同时推理，则需要设置三次动态Shape参数，当前不支持该操作。针对该场景，增加动态Shape模式，可以根据输入文件的Shape信息，自动设置模型的Shape参数。
示例命令：
python3 -m ais_bench --model ./inference/om/dynamic_shape_det_linux_aarch64.om --auto_set_dymshape_mode 1 --input ./inference/input/ --output ./inference/output/ --outputSize 10000
推理结果：
输入文件：
# 输入的input文件夹内容如下
ls ./inference/input/
image_1_224_224.npy image_1_256_256.npy image_1_448_448.npy
输出结果：
执行完毕后，输出会被保存在 ./inference/output/路径下：
inference/output/
├── 2025_03_19-00_21_55
├── image_1_224_224_0.bin
├── image_1_256_256_0.bin
├── image_1_448_448_0.bin
└── 2025_03_19-00_21_55_summary.json
注意：该场景下的输入文件必须为npy格式，如果是bin文件将获取不到真实的Shape信息。
profiler或dump场景
--profiler参数和--dump参数，必须要增加--output参数，指示输出路径。
--profiler和--dump可以分别使用，但不能同时启用。
python3 -m ais_bench --model ./inference/om/det.om --output ./inference/output/ --dump 1
python3 -m ais_bench --model ./inference/om/det.om --output ./inference/output/ --profiler 1
常见问题
未设置环境变量
每次使用离线推理前务必先设置环境变量：
source /usr/local/Ascend/ascend-toolkit/set_env.sh
实际输入HW和OM模型不一致
报错信息：
错误原因：
det.om模型的输入input_shape=x:1,3,224,224；而image.npy的输入为：1,3,256,256。
实际输入Dims和OM模型不一致
报错信息：
错误原因：
dynamic_dims_det.om模型的输入dynamic_dims="1,224,224;8,448,448"；而实际的输入为：1,3,224,224；1,3,448,448。
动态OM模型未设置动态参数
报错信息：
错误原因：
使用动态OM模型（包括动态BatchSize、动态分辨率、动态维度、动态shape）推理，但并未设置相关的动态参数。
CANN包版本老旧
报错信息：
错误原因：
CANN包版本老旧，参考“环境准备->更新CANN包”章节更换CANN版本。
API推理
请参考ais_bench interface python API使用指南：
https://gitee.com/ascend/tools/blob/master/ais-bench_workload/tool/ais_bench/API_GUIDE.md
