# LiteSession [![查看源文件](https://gitee.com/mindspore/docs/raw/r1.3/resource/_static/logo_source.png)](https://gitee.com/mindspore/docs/blob/r1.3/docs/lite/api/source_zh_cn/api_java/lite_session.md) ```java import com.mindspore.lite.LiteSession; ``` LiteSession定义了MindSpore Lite中的会话，用于进行Model的编译和前向推理。 ## 公有成员函数 | function | | ------------------------------------------------------------ | | [boolean init(MSConfig config)](#init) | | [void bindThread(boolean if_bind)](#bindthread) | | [boolean compileGraph(Model model)](#compilegraph) | | [boolean runGraph()](#rungraph) | | [List getInputs()](#getinputs) | | [MSTensor getInputsByTensorName(String tensorName)](#getinputsbytensorname) | | [List getOutputsByNodeName(String nodeName)](#getoutputsbynodename) | | [Map getOutputMapByTensor()](#getoutputmapbytensor) | | [List getOutputTensorNames()](#getoutputtensornames) | | [MSTensor getOutputByTensorName(String tensorName)](#getoutputbytensorname) | | [boolean resize(List inputs, int[][] dims)](#resize) | | [void free()](#free) | | [boolean export(String modelFilename, int model_type, int quantization_type)](#export) | | [boolean train()](#train) | | [boolean eval()](#eval) | | [boolean isTrain()](#isTrain) | | [boolean isEval()](#isEval) | | [boolean setLearningRate(float learning_rate)](#setLearningRate) | | [boolean setupVirtualBatch(int virtualBatchMultiplier, float learningRate, float momentum)](#setupVirtualBatch) | | [List getFeaturesMap()](#getFeaturesMap) | | [boolean updateFeatures(List features)](#updateFeatures) | ## init ```java public boolean init(MSConfig config) ``` 初始化LiteSession。 - 参数 - `MSConfig`: MSConfig类。 - 返回值 初始化是否成功。 ## bindThread ```java public void bindThread(boolean if_bind) ``` 尝试将线程池中的线程绑定到指定的CPU内核，或从指定的CPU内核进行解绑。 - 参数 - `if_bind`: 是否对线程进行绑定或解绑。 ## compileGraph ```java public boolean compileGraph(Model model) ``` 编译MindSpore Lite模型。 - 参数 - `Model`: 需要被编译的模型。 - 返回值 编译是否成功。 ## runGraph ```java public boolean runGraph() ``` 运行图进行推理。 - 返回值 推理是否成功。 ## getInputs ```java public List getInputs() ``` 获取MindSpore Lite模型的MSTensors输入。 - 返回值 所有输入MSTensor组成的List。 ## getInputsByTensorName ```java public MSTensor getInputByTensorName(String tensorName) ``` 通过节点名获取MindSpore Lite模型的MSTensors输入。 - 参数 - `tensorName`: 张量名。 - 返回值 tensorName所对应的输入MSTensor。 ## getOutputsByNodeName ```java public List getOutputsByNodeName(String nodeName) ``` 通过节点名获取MindSpore Lite模型的MSTensors输出。 - 参数 - `nodeName`: 节点名。 - 返回值 该节点所有输出MSTensor组成的List。 ## getOutputMapByTensor ```java public Map getOutputMapByTensor() ``` 获取与张量名相关联的MindSpore Lite模型的MSTensors输出。 - 返回值 输出张量名和MSTensor的组成的Map。 ## getOutputTensorNames ```java public List getOutputTensorNames() ``` 获取由当前会话所编译的模型的输出张量名。 - 返回值 按顺序排列的输出张量名组成的List。 ## getOutputByTensorName ```java public MSTensor getOutputByTensorName(String tensorName) ``` 通过张量名获取MindSpore Lite模型的MSTensors输出。 - 参数 - `tensorName`: 张量名。 - 返回值 该张量所对应的MSTensor。 ## resize ```java public boolean resize(List inputs, int[][] dims) ``` 调整输入的形状。 - 参数 - `inputs`: 模型对应的所有输入。 - `dims`: 输入对应的新的shape，顺序注意要与inputs一致。 - 返回值 调整输入形状是否成功。 ## free ```java public void free() ``` 释放LiteSession。 ## export ```java public boolean export(String modelFilename, int model_type, int quantization_type) ``` 导出模型。 - 参数 - `modelFilename`: 模型文件名称。 - `model_type`: 训练或者推理类型。 - `quantization_type`: 量化类型。 - 返回值 导出模型是否成功。 ## train ```java public void train() ``` 切换训练模式。 ## eval ```java public void eval() ``` 切换推理模式。 ## istrain ```java public void isTrain() ``` 是否训练模式。 ## iseval ```java public void isEval() ``` 是否推理模式。 ## setLearningRate ```java public boolean setLearningRate(float learning_rate) ``` 设置学习率。 - 参数 - `learning_rate`: 学习率。 - 返回值 学习率设置是否成功。 ## setupVirtualBatch ```java public boolean setupVirtualBatch(int virtualBatchMultiplier, float learningRate, float momentum) ``` 设置虚批次系数。 - 参数 - `virtualBatchMultiplier`: 虚批次系数。 - `learningRate`: 学习率。 - `momentum`: 动量系数。 - 返回值 虚批次系数设置是否成功。 ## getFeaturesMap ```java public List getFeaturesMap() ``` 获取权重参数。 - 返回值 权重参数列表。 ## updateFeatures ```java public boolean updateFeatures(List features) ``` 更新权重参数。 - 参数 - `features`: 新的权重参数列表。 - 返回值 权重是否更新成功。