解决问题：将 MAN 模型在昇腾 310 设备上推理做准备

解决问题：将 MAN 模型在昇腾设备上推理做准备 - 202306

PyTorch 转 ONNX 动态输入、张量格式 - 将 MAN 超分辨率模型转换为 ONNX 模型 上文我们已经获得了 MAN 模型的 ONNX 格式，目标是迁移到昇腾平台上进行推理，最好是原生推理。

本次查找只要关注以下几点：

1. 将 MAN 超分辨率模型的整个流程迁移到昇腾 CANN 架构所需步骤以及限制
   1. ATC 模型转换使用的参数及流程
   2. AscendCL 架构使能库的 Python 代码编写预处理、推理与后处理流程
   3. 整个流程可以使用的 CANN 原生组件

流程

ATC 模型转换

发现问题：动态输入仍然不够“动态”

设置输入图片的动态分辨率：适用于执行推理时，每次处理图片宽和高不固定的场景。
将解析的shape中的H和W设置为-1，会在shape下方出现Dynamic Image Size参数。在其中的编辑框中输入具体的动态分辨率参数，最少输入两组，每一组参数通过英文分号分隔，组内参数使用英文逗号分隔。最多支持100档配置，例如输入112,112;224,224。
来自 昇腾文档

昇腾 310 处理器不支持“完全的动态输入”，不能随意传入图片进行推理，只能对图片进行进一步预处理。
转换昇腾 OM 模型时发现所谓“动态分辨率”不是完全动态，而是可以设定多种输入尺寸，还特别说明而且如果设定尺寸种类过多可能会引起转换失败。所以我们需要对进行预处理，图