本节内容介绍使用BPU的对齐限制规则。

本节是模型部署阶段的前置知识。输入数据按什么排布、内存要申请多大，都由本节介绍的 validShape、stride 与 alignedByteSize 三个属性决定。这些属性的理解对输入准备代码十分重要，建议您在开始应用开发前先完成本节的阅读。

#模型输入要求

BPU不限制模型输入大小或者奇偶。既像YOLO这种416x416的输入可以支持，对于像SqueezeNet这种227x227的输入也可以支持。 对于NV12输入比较特别，要求HW都是偶数，是为了满足UV是Y的一半的要求。

#对齐和有效数据

BPU对数据有对齐限制。有效数据排布和对齐数据排布用 hbDNNTensorProperties 中的 validShape 和 stride 表示。

• validShape 是有效数据的shape。
• stride 表示 validShape 各维度的步长，描述跨越张量各个维度所需要经过的字节数。需要注意，NV12或Y类型输入的模型比较特殊，这些类型的输入只要求W方向满足固定的对齐约束即可，其获取到的 stride 均为-1，详细规则可参考 动态输入介绍 章节的描述。

模型输入输出张量可以通过 validShape 和 stride 获取正确的数据排布， 比如获取到的模型某输入属性 hbDNNDataType = HB_DNN_TENSOR_TYPE_U16 ， validShape = [1, 3, 212, 212] ， stride = [301056, 100352, 448, 2] ， 这里表示模型有效输入的大小为 1x3x212x212 。

• stride[3] = 2 ，表示每个元素 16bit 大小。
• stride[2] = 448 = 2 * 224 ，表示 index=3 的维度按照 224 对齐，因此 index=3 的维度步长为 448 。
• stride[1] = 100352 = 448 * 224， ，表示 index=2 的维度也按照 224 对齐，因此 index=2 的维度步长为 100352 。
• stride[0] = 301056 = 100352 * 3 ，表示 index=1 的维度按照 3 对齐，和有效尺寸一致，因此 index=1 的维度步长为 301056 。

在后续场景使用时，考虑到对齐要求，当 alignedByteSize > 0 时，建议按照 alignedByteSize 大小来申请内存空间。

您可以使用以下方式判断是否需要对模型的输入进行对齐，若公式不成立，您则需要额外对输入数据进行对齐操作。

$\prod_{i=1}^{n-1}validShape.dimensionSize[i] == stride[0]$，其中 n=validShape.numDimensions。

#模型输入输出内存要求

BPU对模型输入输出内存首地址有对齐限制，要求输入与输出内存的首地址 32 或者 64 对齐，对应不同的计算平台。

本节这条对齐要求针对的是输入输出内存的首地址。平台之间还存在 NV12 输入的 stride 对齐要求、非图像张量的最小内存单元等其他输入输出差异，它们与内存首地址对齐不是同一个量，需要分别确认。如需了解本平台完整的输入输出差异，请查看 平台差异说明 章节的输入输出处理差异一节。

#常见误区

stride 中出现 -1 并不代表该输入没有对齐要求。

-1 表示该维度是动态的，需要您根据实际输入自行计算并填写，而不是可以跳过对齐处理。NV12 与 Y 类型输入属于这种情况，这类输入只要求 W 方向满足固定的对齐约束，其余维度按公式逐级推导即可。具体的填写规则与计算算例请参考 动态输入介绍 章节。

#下一步看哪里

• 模型输入的 validShape 或 stride 中含有 -1，需要知道动态维度怎么填：请查看 动态输入介绍 章节。

• 需要在代码中申请内存、并按 stride 排布输入数据：请查看 模型推理应用开发指导 章节。

• 需要了解各计算平台在输入输出处理上的完整差异：请查看 平台差异说明 章节。