CANN opbase 算子开发指南：aclTensor 公共类型接口（common_types）全面解析

CANN opbase 算子开发指南：aclTensor 公共类型接口（common_types）全面解析

【免费下载链接】opbase本项目是CANN算子库的基础框架库，为算子提供公共依赖文件和基础调度能力。项目地址: https://gitcode.com/cann/opbase

本文围绕 CANN opbase 基础框架库中面向算子开发的common_types接口集合展开。该集合封装了算子开发中最常用的数据容器类型aclTensor、aclScalar、aclStorage、aclArray等的属性读写接口，覆盖 Storage/Origin/View 三套 Shape 与 Format 的管理、Stride 与偏移量访问、数据填充与类型转换、溢出校验等能力。读完本文，你将掌握如何在算子 host 侧代码中正确构造、读写并校验 aclTensor 的各类属性，理解其背后的内存排布与逻辑视图模型，并能结合仓库源码定位每个接口的实现细节。

一、common_types 是什么：算子开发的数据容器接口层

在 CANN 算子库（opbase）中，算子既要在 host 侧完成入参描述、形状推导与数据准备，也要在 device 侧执行计算。aclTensor是连接这两侧的核心数据容器：它描述一块张量的 shape、dtype、format 等属性，并记录数据所处位置（device 侧或 host 侧），同时以视图（view）的方式支持同一块内存被不同算子以不同逻辑形状使用。

common_types是 opdev（算子开发接口）命名空间下的一组公共类型与成员函数，其索引文档位于 docs/zh/api/nnopbase/opdev/common_types/common_types.md，对外暴露以下 26 个常用接口，外加一批标记为“预留接口”的底层能力：

• Shape 属性：GetStorageShape/SetStorageShape、GetOriginalShape/SetOriginalShape、GetViewShape/SetViewShape
• Format 属性：GetStorageFormat/SetStorageFormat、GetOriginalFormat/SetOriginalFormat、GetViewFormat/SetViewFormat
• Stride 与视图偏移：GetViewStrides/SetViewStrides
• 元信息：Numel、GetDataType、IsEmpty
• 数据填充：SetData、SetDataType、SetBoolData、SetIntData、SetFloatData、SetFp16Data、SetBf16Data
• 溢出校验：CheckOverflows

这些接口的声明集中在 include/nnopbase/opdev/common_types.h，实现位于 src/nnopbase/common/utils/common_types.cpp，因此文档、声明与实现三者一一对应，便于按名检索。

1.1 类型别名与底层依赖

从 common_types.h 可以看到，op命名空间为这些接口统一了类型别名：

namespace op { constexpr uint64_t MAX_DIM_NUM = 25; using Strides = FVector<int64_t, MAX_DIM_NUM>; using ShapeVector = FVector<int64_t, MAX_DIM_NUM>; using Shape = gert::Shape; using Format = ge::Format; using DataType = ge::DataType; using Tensor = gert::TensorV2; using StorageShape = gert::StorageShape; using StorageFormat = gert::StorageFormat; using TensorPlacement = gert::TensorPlacement; }

由此可以看出：

• op::Shape即gert::Shape，对应文档中反复出现的“gert 命名空间 > Shape”；
• op::Format即ge::Format，是包含 NCHW、ND 等多种取值的枚举；
• op::DataType即ge::DataType，包含 float16、float32、int64、bool 等类型；
• op::Strides是容量上限为 25 的FVector<int64_t>（MAX_DIM_NUM = 25），这决定了 aclTensor 最多支持 25 维的张量描述。

1.2 三种 Shape / Format 的含义

理解common_types的核心在于区分 Storage、Origin、View 三套属性，它们分别描述张量在不同阶段的形态：

属性前缀	含义	典型场景
Storage（存储）	aclTensor 在内存上的实际排布，即实际运行时数据落地的 shape/format	描述物理内存布局，例如[10, 20]表示内存中按 10×20 连续排布
Origin（原始）	aclTensor 在经历 transdata 节点前（如果存在该节点）的原始 shape/format，即 tensor 的 shape 数学描述	记录数据变换前的逻辑源头，便于格式还原与推导
View（视图）	aclTensor 的逻辑 shape/format，即算子使用时可以将该 tensor 视为的形状	同一内存以不同逻辑形状复用，例如把[10, 20]视为[2, 5, 20]

三者中，Storage 描述“内存里是什么”，Origin 描述“变换前是什么”，View 描述“逻辑上当成什么”。View 与 Storage 往往维度数不同但元素总数一致，这正是视图复用内存的基础。

二、Shape 属性接口：Get/Set StorageShape、OriginalShape、ViewShape

2.1 GetStorageShape / SetStorageShape

GetStorageShape用于获取 aclTensor 的 StorageShape（内存实际排布）：

gert::Shape GetStorageShape()

无入参，返回gert::Shape，例如一个三维 shape 返回[10, 20, 30]。对应的设置接口原型为：

void SetStorageShape(const op::Shape &shape)

参数shape为输入参数，数据类型为op::Shape（即gert::Shape）。官方调用示例：

// 将input的StorageShape设置为[1, 2, 3, 4, 5] void Func(aclTensor *input) { gert::Shape newShape; for (int64_t i = 1; i <= 5; i++) { newShape.AppendDim(i); } input->SetStorageShape(newShape); }

从实现看，SetStorageShape不只是简单赋值，还会联动调整 tensor 的字节大小：common_types.cpp 中先写入MutableStorageShape()，再调用tensor_->SetSize(op::CalcShapeBytes(...))按新 storage shape 重算内存大小，保证“shape 变了、内存尺寸同步更新”。

2.2 GetOriginalShape / SetOriginalShape

GetOriginalShape获取 aclTensor 的 OriginShape——即经历 transdata 节点前（如果存在）的原始 shape 数学描述：

gert::Shape GetOriginalShape()

SetOriginalShape与之对应，原型为：

void SetOriginalShape(const op::Shape &shape)

官方示例：

// 将input的OriginShape设置为[1, 2, 3, 4, 5] void Func(aclTensor *input) { gert::Shape newShape; for (int64_t i = 1; i <= 5; i++) { newShape.AppendDim(i); } input->SetOriginalShape(newShape); }

与SetStorageShape不同，SetOriginalShape的实现只更新tensor_->MutableOriginShape()（见 common_types.cpp），不触发内存尺寸重算，因为原始 shape 只是数学描述，不直接影响物理内存布局。

2.3 GetViewShape / SetViewShape

GetViewShape获取 aclTensor 的逻辑 shape（ViewShape），文档给出了一个非常直观的例子：

• StorageShape 为[10, 20]：表示该 aclTensor 在内存上按照[10, 20]排布；
• ViewShape 为[2, 5, 20]：在算子使用时，该 aclTensor 可被视为一块[2, 5, 20]的数据使用。

gert::Shape GetViewShape()

SetViewShape的原型为：

void SetViewShape(const op::Shape &shape)

官方示例：

// 将input的ViewShape设置为[1, 2, 3, 4, 5] void Func(aclTensor *input) { gert::Shape newShape; for (int64_t i = 1; i <= 5; i++) { newShape.AppendDim(i); } input->SetViewShape(newShape); }

值得注意的实现细节：SetViewShape在写入viewShape_的同时，会自动调用op::ToContiguousStrides(viewShape_, viewStrides_)按“连续张量”规则重新推导 ViewStrides（见 common_types.cpp）。也就是说，一旦设置 ViewShape，ViewStrides 会被重置为连续排布的 stride。如果视图是非连续切片（如扩 stride 后的 view），必须在SetViewShape之后显式调用SetViewStrides覆盖默认值。

2.4 Numel：元素总数与 Size 的区别

Numel获取 aclTensor 的总元素个数：

int64_t Numel()

官方示例：

// 获取input的总元素个数 void Func(const aclTensor *input) { int64_t num = input->Numel(); }

从实现看，Numel()返回的是ViewShape的元素总数，而Size()返回的是StorageShape的字节规模（见 common_types.cpp）：

int64_t aclTensor::Size() const { return GetStorageShape().GetShapeSize(); } int64_t aclTensor::Numel() const { return GetViewShape().GetShapeSize(); }

因此在视图场景下，Numel()表示算子逻辑视角的元素个数，与底层存储的字节数不一定一一对应，两者不要混用。

三、Format 属性接口：Get/Set StorageFormat、OriginalFormat、ViewFormat

3.1 GetStorageFormat / SetStorageFormat

GetStorageFormat获取 aclTensor 在内存中的排布格式，例如 NCHW、ND 等：

op::Format GetStorageFormat()

返回op::Format（即ge::Format枚举）。SetStorageFormat原型：

void SetStorageFormat(op::Format format)

官方示例：

// 将input的Storage Format置为ND格式 void Func(const aclTensor *input) { input->SetStorageFormat(ge::FORMAT_ND); }

3.2 GetOriginalFormat / SetOriginalFormat

GetOriginalFormat获取 OriginFormat——一般表示 aclTensor 在经历 transdata 节点前（如果存在）的原始 Format 信息：

op::Format GetOriginalFormat()

SetOriginalFormat原型：

void SetOriginalFormat(op::Format format)

官方示例：

// 将input的OriginFormat置为ND格式 void Func(const aclTensor *input) { input->SetOriginalFormat(ge::FORMAT_ND); }

3.3 GetViewFormat / SetViewFormat

GetViewFormat获取 aclTensor 的逻辑 Format（ViewFormat）：

op::Format GetViewFormat()

SetViewFormat原型：

void SetViewFormat(op::Format format)

官方示例：

// 将input的ViewFormat置为ND格式 void Func(const aclTensor *input) { input->SetViewFormat(ge::FORMAT_ND); }

3.4 Format 实现的分流：Storage 走底层、View 走本地成员

三类 Format 的实现策略并不相同（见 common_types.cpp）：

void aclTensor::SetStorageFormat(op::Format format) { tensor_->SetStorageFormat(format); } void aclTensor::SetOriginalFormat(op::Format format) { tensor_->SetOriginFormat(format); } void aclTensor::SetViewFormat(op::Format format) { viewFormat_ = format; }

• StorageFormat、OriginalFormat 被写入底层gert::TensorV2（tensor_），与 device 侧内存管理联动；
• ViewFormat 则仅保存在 aclTensor 自身的viewFormat_成员中（对应头文件中的op::Format viewFormat_;，见 common_types.h），因为它只是算子逻辑视角的描述，不影响物理排布。

这也印证了上文的结论：View 系属性是 aclTensor 层的“轻量视图”，Storage/Origin 系属性才是底层张量对象的“重量级描述”。

四、Stride 与视图偏移：GetViewStrides / SetViewStrides

4.1 GetViewStrides

GetViewStrides返回 aclTensor 各个维度的 stride 大小：

FVector<int64_t> GetViewStrides()

返回值是FVector对象（即op::Strides），里面存放每一维的 stride。官方示例：

// 获取input的View Stride并依次打印出每一维的stride大小 void Func(const aclTensor *input) { auto strides = input->GetViewStrides(); for (int64_t stride : strides) { std::cout << stride << std::endl; } }

4.2 SetViewStrides

SetViewStrides提供左值引用与右值引用两个重载：

SetViewStrides(const op::Strides &strides) SetViewStrides(op::Strides &&strides)

参数strides类型为FVector<int64_t>，表示 aclTensor 每一维的 stride 大小，取值不支持负数。官方示例演示了如何将最后一维的 stride 扩大 8 倍：

// 将input最后一维的stride扩大8倍。 void Func(const aclTensor *input) { auto strides = input->GetViewStrides(); strides[strides.size() - 1] *= 8; input->SetViewStrides(strides); }

实现上，左值版本直接拷贝赋值viewStrides_ = strides;，右值版本使用std::move移动赋值（见 common_types.cpp）。结合 2.3 节的结论：ViewShape 变化会自动重置 stride 为连续值，因此调整 stride 的正确顺序是“先 SetViewShape、再 SetViewStrides”。

4.3 测试用例印证

仓库的单元测试对 View 语义进行了充分验证。在 tests/nnopbase/st/composite_op/test_acl_op_api.cpp 中，构造不同维度数的 tensor 后直接断言其GetViewStrides()结果：

EXPECT_EQ(a->GetViewStrides(), op::Strides({1})); EXPECT_EQ(a->GetViewStrides(), op::Strides({2, 1})); EXPECT_EQ(a->GetViewStrides(), op::Strides({8, 2, 1})); EXPECT_EQ(a->GetViewStrides(), op::Strides({8, 1}));

这组断言验证了：新建 tensor 的 ViewStrides 默认按连续排布推导（最后一维为 1，向前逐维累乘），与SetViewShape内部调用ToContiguousStrides的逻辑完全一致。该文件还通过ShapeEq(tensorName->GetViewShape(), viewShape)校验 ViewShape 与构造入参的一致性，可作为接口行为的回归基线。

五、数据读写接口：GetDataType、IsEmpty 与 SetData 系列

5.1 GetDataType / SetDataType

GetDataType获取 aclTensor 中元素的数据类型：

op::DataType GetDataType()

返回op::DataType（即ge::DataType），包含 float16、float32 等类型。SetDataType用于修改数据类型：

void SetDataType(op::DataType dataType)

官方示例：

// 将input的数据类型设置为int64 void Func(const aclTensor *input) { input->SetDataType(DT_INT64); }

实现上SetDataType有一个关键联动：当新旧类型的字节宽度不同时（op::TypeSize不同），会在SetDataType之后调用tensor_->SetSize(op::CalcShapeBytes(...))重算 tensor 字节数（见 common_types.cpp），避免 dtype 改变后内存尺寸不匹配。

5.2 IsEmpty

IsEmpty判断 aclTensor 是否为空 tensor：

bool IsEmpty()

为空返回true，否则返回false。官方示例演示了空 tensor 的防御性编程：

// 判断input为空tensor则return，否则获取他的数据类型 void Func(const aclTensor *input) { if (input->IsEmpty()) { return; } op::DataType dataType = input->GetDataType(); }

从实现看，“空 tensor”的判定标准是ViewShape 中存在任一维度为 0（见 common_types.cpp）：

bool aclTensor::IsEmpty() const { bool isEmpty = false; for (size_t i = 0; i < viewShape_.GetDimNum(); i++) { if (viewShape_[i] == 0) { isEmpty = true; break; } } return isEmpty; }

这也提示：Shape 中只要有一个维度为 0（例如[0, 5]），该 tensor 即被判定为空，算子应尽早跳过这类输入以避免越界访问。

5.3 SetData：单元素与整块内存两种形态

SetData针对通过AllocHostTensor申请得到的 host 侧 tensor，提供两种重载：

• 设置指定索引处的值：

  void SetData(int64_t index, const T value, op::DataType dataType)

• 用一块已有内存初始化 tensor 数据：

  void SetData(const T *value, uint64_t size, op::DataType dataType)

参数说明：

参数	输入/输出	说明
index	输入	需要修改 aclTensor 的第几个元素。
value	输入	单元素版本：将指定元素修改为 value 的值；内存版本：指向需要写入 aclTensor 的数据内存指针。
size	输入	需要写入的元素个数。
dataType	输入	数据类型为op::DataType（即ge::DataType）。将数据转为指定的 dataType 后，再写入 aclTensor。

官方示例：

// 初始化一块int64_t内存，分别将input的前10个数字，置为该内存的内容。并将input的第11个数字置为myArray的第一个数字。 void Func(const aclTensor *input) { int64_t myArray[10]; input->SetData(myArray, 10, DT_INT64); input->SetData(10, myArray[0], DT_INT64); }

实现层面的几个关键行为（见 common_types.cpp）：

• 两版SetData都只在GetPlacement() == op::TensorPlacement::kOnHost时生效，device 侧 tensor 调用会被静默跳过；
• 内存版本本质上是逐元素调用单元素版本：for (uint64_t i = 0; i < size; i++) { SetData(i, value[i], dataType); }；
• 单元素版本按dataType的 switch 分支调用SetDataByDataType<T, X>做类型转换后写入对应地址，支持 DT_FLOAT、DT_FLOAT16、DT_BF16、DT_INT8/16/32/64、DT_UINT8/16/32/64、DT_DOUBLE、DT_BOOL 等类型；
• 对不支持的 dataType 会记录OP_LOGE_FOR_NOT_SUPPORTED_DATA_TYPE错误日志并给出可用的 dtype 范围。

5.4 类型化数据填充：SetBoolData / SetIntData / SetFloatData / SetFp16Data / SetBf16Data

common_types为常用 host 侧数据类型提供了类型化填充接口，全部针对AllocHostTensor申请的 host 侧 tensor：

接口	内存指针类型	说明
SetBoolData(const bool *value, uint64_t size, op::DataType dataType)	bool	用 bool 内存初始化 tensor 数据
SetIntData(const int64_t *value, uint64_t size, op::DataType dataType)	int64_t	用 int64 内存初始化 tensor 数据
SetFloatData(const float *value, uint64_t size, op::DataType dataType)	float	用 float 内存初始化 tensor 数据
SetFp16Data(const op::fp16_t *value, uint64_t size, op::DataType dataType)	op::fp16_t	用 float16 内存初始化 tensor 数据
SetBf16Data(const op::bfloat16 *value, uint64_t size, op::DataType dataType)	op::bfloat16	用 bfloat16 内存初始化 tensor 数据

三个参数value（数据内存指针）、size（元素个数）、dataType（目标数据类型，写入前会做类型转换）。约束：入参指针不能为空。

官方示例（以SetBoolData和SetFp16Data为例）：

// 初始化一块bool内存，将其转为int64后，赋值给input的前10个元素 void Func(const aclTensor *input) { bool myArray[10]; input->SetBoolData(myArray, 10, DT_INT64); } // 初始化一块fp16内存，赋值给input的前10个元素 void Func(const aclTensor *input) { fp16_t myArray[10]; input->SetFp16Data(myArray, 10, DT_FLOAT16); }

SetFloatData、SetIntData、SetBf16Data的用法完全一致，仅内存指针类型不同。从实现看（common_types.cpp），这五个接口最终全部委托给SetData(value, size, dataType)，因此同样只对 host 侧 tensor 生效，并且支持“源数据类型与目标 dataType 不同”的隐式转换——例如SetBoolData(myArray, 10, DT_INT64)会把 bool 数组转换为 int64 后写入。op::fp16_t与op::bfloat16分别定义在 include/nnopbase/opdev/fp16_t.h 和 include/nnopbase/opdev/bfloat16.h，作为 op 命名空间的半精度类型供算子使用。

5.5 AllocHostTensor 与 SetData 的配合

SetData系列的使用前提是 host 侧 tensor，对应申请接口为AllocHostTensor（见 docs/zh/api/nnopbase/opdev/op_executor/AllocHostTensor.md），典型形态：

aclTensor *AllocHostTensor(const op::Shape &shape, op::DataType dataType, op::Format format = op::Format::FORMAT_ND)

典型配合流程为：先用AllocHostTensor申请 host 侧 tensor，再用SetData/SetIntData/SetFloatData等接口填充数据，之后将该 tensor 作为算子输入参与调度。这是构造“以数据为输入”的算子测试或 host 侧数据准备的标准路径。

六、标量溢出校验：CheckOverflows

6.1 接口说明

CheckOverflows用于校验 aclScalar 中保存的标量数值在转换为目标数据类型时是否溢出：

template<typename to> bool CheckOverflows()

参数to为模板参数，表示要转换的目标数据类型。返回值：如果存在溢出返回true，否则返回false。

官方示例：

// 判断input转为fp16和int16是否会发生溢出 void Func(const aclScalar *input) { if (input->CheckOverflows<fp16_t>()) { return; } if (input->CheckOverflows<int16_t>()) { return; } }

6.2 实现与支持的类型

该模板在 common_types.cpp 定义，并在文件末尾显式实例化了一大批目标类型（common_types.cpp），包括：

• 基础类型：bool、int8_t/16_t/32_t/64_t、uint8_t/16_t/32_t/64_t、float、double
• 半精度/低精度类型：op::fp16_t、op::bfloat16、op::Float8E5M2、op::Float8E4M3FN、op::Float8E8M0、op::Float6E3M2、op::Float6E2M3、op::Float4E2M1、op::Float4E1M2、op::HiFloat4、op::HiFloat8
• 复数类型：std::complex<float>、std::complex<double>

在实际算子开发中，CheckOverflows常用于“标量属性转换前守卫”：例如把用户传入的标量降精度到 fp16 或收紧到窄整数类型前，先做溢出检查，避免数值失真或回绕。它在头文件中的声明（common_types.h）带有明确的注释：“检查 scalar 转换成目标数据类型是否会溢出，true: 溢出，false: 不溢出”，与文档语义完全一致。

七、预留接口与底层容器速览

common_types索引页末尾提供了 预留接口 文档，集中列出了一批后续可能变更或废弃、不建议开发者使用的接口，开发者无需关注。但浏览该表有助于理解 aclTensor 体系的内部结构，下表摘录其中的关键类别：

类别	代表性接口	作用
aclTensor 构造	aclTensor(const op::Shape &shape, op::DataType dataType, op::Format format, void *tensorDataAddr)等多组重载	描述 device/host 侧张量的 shape、dtype、format 及数据地址
aclTensor 内部属性	GetTensor()、GetStorage()、GetStorageAddr()、GetViewOffset()、GetPlacement()、IsView()	访问底层 gert::Tensor、存储对象、地址、偏移与类型
aclStorage	aclStorage(void *addr)、GetAddr()、SetAddr()、GetWorkspaceOffset()、SetStorageOffset()	描述一块片上内存空间，支持 workspace 偏移管理
aclArray	aclArray(const T *value, uint64_t size)、Size()、GetData()、ToString()	描述 host 侧数组（bool/int64/float/fp16/bf16 五类）
aclScalar 系列	aclScalar(int32_t value)等多组构造、ToInt64()、ToFp16()、ToBf16()、ToStr()	描述标量数字及其类型转换
ToString 系列	ToString(const aclTensor* t)、ToString(aclDataType dataType)等	打印各类对象的可读字符串，便于调试
新型数据格式	SetFloat8E5M2Data、SetFloat8E4M3FNData、SetHiFloat4Data等	填充 float8/float6/float4/hifloat 系列新格式数据

与源码对应：aclStorage、aclArray、aclTensor、aclTensorList、aclScalar、aclScalarList等类均定义在 include/nnopbase/opdev/common_types.h；其中aclStorage的extend_成员用于串联“ViewCopy/Reshape 这类无 kernel 节点的特殊算子”的输入输出存储关系（见 common_types.h），aclScalar内部通过联合体v_t存储多种标量表示（common_types.h）。

八、实战小结：接口选用速查

根据前文分析，将常用场景与推荐接口整理如下：

场景	推荐接口	注意事项
读取内存实际排布	GetStorageShape()/GetStorageFormat()	Storage 描述物理内存
记录/还原变换前形态	GetOriginalShape()/GetOriginalFormat()	与 transdata 节点语义相关
以逻辑形状复用内存	GetViewShape()/GetViewFormat()	View 与 Storage 元素总数应一致
读取/定制各维 stride	GetViewStrides()/SetViewStrides()	stride 不支持负数；SetViewShape会重置 stride 为连续值
获取元素总数	Numel()	基于 ViewShape 计算，勿与Size()（基于 StorageShape 的字节数）混淆
判断空 tensor	IsEmpty()	ViewShape 任一分量维度为 0 即为空
填充 host 侧数据	SetData/SetBoolData/SetIntData/SetFloatData/SetFp16Data/SetBf16Data	仅对AllocHostTensor申请的 host 侧 tensor 生效；指针不可为空
修改 dtype	SetDataType()	dtype 位宽变化时自动重算内存尺寸
标量降精度前守卫	CheckOverflows<to>()	溢出返回 true，返回前应处理

编写算子 host 侧逻辑时，建议遵循以下经验法则：

1. 先明确视角：涉及物理内存的操作（如计算地址、判断尺寸）读取 Storage 属性；涉及算子逻辑输入输出形状的推导使用 View 属性；涉及格式还原的记录 Origin 属性。
2. 视图操作注意顺序：修改 ViewShape 后若需要非连续 stride，务必再调用SetViewStrides，否则会被重置为连续值。
3. host 数据填充先申请：SetData系列只作用于AllocHostTensor得到的 host 侧 tensor，对 device 侧 tensor 调用不会生效。
4. 空 tensor 早退：IsEmpty()判定的是维度为 0，算子主逻辑前先判空可避免越界与无效计算。
5. 标量转换先校验：涉及 fp16/bf16/窄整数等降精度转换时，用CheckOverflows做前置守卫。

参考文档索引

• 接口总览：docs/zh/api/nnopbase/opdev/common_types/common_types.md
• 各接口详细说明：docs/zh/api/nnopbase/opdev/common_types/ 目录下的GetStorageShape.md、SetViewStrides.md、Numel.md、CheckOverflows.md等 25 个文件
• 预留接口：docs/zh/api/nnopbase/opdev/common_types/reserved_interface_common_types.md
• 接口声明：include/nnopbase/opdev/common_types.h
• 接口实现：src/nnopbase/common/utils/common_types.cpp
• host 侧 tensor 申请：docs/zh/api/nnopbase/opdev/op_executor/AllocHostTensor.md
• 相关测试：tests/nnopbase/st/composite_op/test_acl_op_api.cpp

【免费下载链接】opbase本项目是CANN算子库的基础框架库，为算子提供公共依赖文件和基础调度能力。项目地址: https://gitcode.com/cann/opbase