Shape
=================

形状推断函数（Shape Inference Function）。该函数根据输入张量的形状和算子参数，推断输出张量的形状。该函数不区分数据类型，只处理张量的形状信息。

如果所有输出张量都是常量（ConstTensor 或 ConstScalar），则直接返回，不进行形状推断。否则，根据算子类型调用相应的形状推断函数。

支持的算子类型：
    - **Arithmetic_InferShape** - 算术运算的形状推断
    - **Common_InferShape** - 通用算子的形状推断
    - **Softmax_InferShape** - Softmax 算子的形状推断
    - **MaxMinGrad_InferShape** - MaxMin 梯度算子的形状推断
    - **Dropout_InferShape** - Dropout 算子的形状推断
    - **DynamicQuant_InferShape** - 动态量化算子的形状推断
    - **Fft_InferShape** - FFT 算子的形状推断
    - **Flatten_InferShape** - Flatten 算子的形状推断
    - **LayerNorm_InferShape** - LayerNorm 算子的形状推断
    - **LogSoftmax_InferShape** - LogSoftmax 算子的形状推断

输入：
    - **inputs** - 输入张量数组（TensorC** 类型）。
    - **inputs_size** - 输入张量的数量。
    - **outputs** - 输出张量数组（TensorC** 类型）。
    - **outputs_size** - 输出张量的数量。
    - **param** - 算子参数（OpParameter* 类型），包含算子类型和其他参数信息。

输出：
    - **outputs** - 输出张量数组，其中的形状信息会被更新。

支持平台：
    ``FT78NE``
    ``MT7004``

.. note::
    - 该函数不区分数据类型，适用于所有数据类型
    - 函数会自动检查输出是否为常量，如果是常量则跳过形状推断

**共享存储/私有存储版本:**

.. c:function:: void shape(TensorC** inputs, int inputs_size, TensorC** outputs, int outputs_size, OpParameter* param)

**C调用示例：**

.. code-block:: c
    :linenos:
    :emphasize-lines: 32

    //FT78NE示例
    #include <stdio.h>
    #include <shape.h>

    int main(int argc, char* argv[]) {
        TensorC** input_tensors_ptrs = (TensorC**)0x10010000;
        TensorC** output_tensors_ptrs = (TensorC**)0x10011000;

        TensorC input0;
        TensorC input1;
        TensorC output;

        int input0_shape[4] = {1,2,3,4};
        int input1_shape[4] = {1,3,4};
        int output_shape[4]; //不用初始化
        memcpy(input0.shape_, input0_shape, 4 * sizeof(int));
        input0.shape_size_ = 4;
        memcpy(input1.shape_, input1_shape, 4 * sizeof(int));
        input1.shape_size_ = 3;
        input0.data_type_ = kNumberTypeFloat32;
        input1.data_type_ = kNumberTypeFloat32;
        input0.format_ = Format_NCHW;
        input1.format_ = Format_NCHW;
        
        input_tensors_ptrs[0] = &input0;
        input_tensors_ptrs[1] = &input1;
        output_tensors_ptrs[0] = &output;

        ArithmeticParameter param;
        param.op_parameter_.type_ = Arithmetic_InferShape;

        shape(input_tensors_ptrs, 2, output_tensors_ptrs, 1, (OpParameter*)&param);
        return 0;
    }