Model

import com.mindspore.Model;

Model定义了MindSpore中编译和运行的模型。

公有成员函数

function	云侧推理是否支持	端侧推理是否支持
boolean build(MappedByteBuffer buffer, int modelType, MSContext context, char[] dec_key, String dec_mode)	✕	√
boolean build(Graph graph, MSContext context, TrainCfg cfg)	✕	√
boolean build(MappedByteBuffer buffer, MSContext context)	√	√
boolean build(String modelPath, MSContext context, char[] dec_key, String dec_mode)	✕	√
boolean build(String modelPath, MSContext context)	√	√
boolean predict()	√	√
boolean runStep()	✕	√
boolean resize(List<MSTensor> inputs, int[][] dims)	√	√
List<MSTensor> getInputs()	√	√
List<MSTensor> getOutputs()	√	√
MSTensor getInputsByTensorName(String tensorName)	√	√
MSTensor getOutputByTensorName(String tensorName)	√	√
List<MSTensor> getOutputsByNodeName(String nodeName)	✕	√
List<String> getOutputTensorNames()	√	√
boolean export(String fileName, int quantizationType, boolean isOnlyExportInfer,List<String> outputTensorNames)	✕	√
List<MSTensor> getFeatureMaps()	✕	√
boolean updateFeatureMaps(List<MSTensor> features)	✕	√
boolean setTrainMode(boolean isTrain)	✕	√
boolean getTrainMode()	✕	√
boolean setLearningRate(float learning_rate)	✕	√
boolean setupVirtualBatch(int virtualBatchMultiplier, float learningRate, float momentum)	✕	√
void free()	√	√
ModelType	√	√

build

public boolean build(Graph graph, MSContext context, TrainCfg cfg)

通过模型计算图编译MindSpore模型。

• 参数

  • graph: 模型计算图。

  • context: 编译运行上下文。

  • cfg: 训练配置。

• 返回值

  是否编译成功。

public boolean build(MappedByteBuffer buffer, int modelType, MSContext context, char[] dec_key, String dec_mode)

通过模型计算图内存块编译MindSpore模型。

• 参数

  • buffer: 模型计算图内存块。

  • modelType: 模型计算图类型，可选有MT_MINDIR_LITE、MT_MINDIR，分别对应ms模型（converter_lite工具导出）和mindir模型（MindSpore导出或converter_lite工具导出）。端侧推理只支持ms模型推理，该入参值被忽略。云端推理支持ms和mindir模型推理，需要将该参数设置为模型对应的选项值。云侧推理对ms模型的支持，将在未来的迭代中删除，推荐通过mindir模型进行云侧推理。

  • context: 运行时Context上下文。

  • dec_key: 模型解密秘钥。

  • dec_mode: 模型解密算法，可选AES-GCM、AES-CBC。

• 返回值

  是否编译成功。

public boolean build(final MappedByteBuffer buffer, int modelType, MSContext context)

通过模型计算图内存块编译MindSpore模型。

• 参数

  • buffer: 模型计算图内存块。

  • modelType: 模型计算图类型，可选有MT_MINDIR_LITE、MT_MINDIR，分别对应ms模型（converter_lite工具导出）和mindir模型（MindSpore导出或converter_lite工具导出）。端侧推理只支持ms模型推理，该入参值被忽略。云端推理支持ms和mindir模型推理，需要将该参数设置为模型对应的选项值。云侧推理对ms模型的支持，将在未来的迭代中删除，推荐通过mindir模型进行云侧推理。

  • context: 运行时Context上下文。

• 返回值

  是否编译成功。

public boolean build(String modelPath, int modelType, MSContext context, char[] dec_key, String dec_mode)

通过模型计算图文件编译MindSpore MindIR模型。

• 参数

  • modelPath: 模型计算图文件。

  • modelType: 模型计算图类型，可选有MT_MINDIR_LITE、MT_MINDIR，分别对应ms模型（converter_lite工具导出）和mindir模型（MindSpore导出或converter_lite工具导出）。端侧推理只支持ms模型推理，该入参值被忽略。云端推理支持ms和mindir模型推理，需要将该参数设置为模型对应的选项值。云侧推理对ms模型的支持，将在未来的迭代中删除，推荐通过mindir模型进行云侧推理。

  • context: 运行时Context上下文。

  • dec_key: 模型解密秘钥。

  • dec_mode: 模型解密算法，可选AES-GCM、AES-CBC。

• 返回值

  是否编译成功。

public boolean build(String modelPath, int modelType, MSContext context)

通过模型计算图文件编译MindSpore MindIR模型。

• 参数

  • modelPath: 模型计算图文件。

  • modelType: 模型计算图类型，可选有MT_MINDIR_LITE、MT_MINDIR，分别对应ms模型（converter_lite工具导出）和mindir模型（MindSpore导出或converter_lite工具导出）。端侧推理只支持ms模型推理，该入参值被忽略。云端推理支持ms和mindir模型推理，需要将该参数设置为模型对应的选项值。云侧推理对ms模型的支持，将在未来的迭代中删除，推荐通过mindir模型进行云侧推理。

  • context: 运行时Context上下文。

• 返回值

  是否编译成功。

predict

public boolean predict()

执行推理。

• 返回值

  是否推理成功。

runStep

public boolean runStep()

执行单步训练。

• 返回值

  是否单步训练成功。

resize

public boolean resize(List<MSTensor> 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。

getInputs

public List<MSTensor> getInputs()

获取MindSpore模型的输入tensor列表。

• 返回值

  所有输入MSTensor组成的List。

getOutputs

public List<MSTensor> getOutputs()

获取MindSpore模型的输出tensor列表。

• 返回值

  所有输出MSTensor组成的List。

getInputsByTensorName

public MSTensor getInputsByTensorName(String tensorName)

通过张量名获取MindSpore模型的输入张量。

• 参数

  • tensorName: 张量名。

• 返回值

  tensorName所对应的输入MSTensor。

getOutputByTensorName

public MSTensor getOutputByTensorName(String tensorName)

通过张量名获取MindSpore模型的输出张量。

• 参数

  • tensorName: 张量名。

• 返回值

  该张量所对应的MSTensor。

getOutputsByNodeName

public List<MSTensor> getOutputsByNodeName(String nodeName)

通过节点名获取MindSpore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。

getOutputTensorNames

public List<String> 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。

export

public boolean export(String fileName, int quantizationType, boolean isOnlyExportInfer,List<String> outputTensorNames)

导出模型。

• 参数

  • fileName: 模型文件名称。

  • quantizationType: 量化类型。可选不量化，权重量化。

  • isOnlyExportInfer: 是否只导推理图。

  • outputTensorNames: 指定导出图结尾的tensor名称。

• 返回值

  导出模型是否成功。

getFeatureMaps

public List<MSTensor> getFeatureMaps()

获取权重参数。

• 返回值

  权重参数列表。

updateFeatureMaps

public boolean updateFeatureMaps(List<MSTensor> 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。

setTrainMode

public boolean setTrainMode(boolean isTrain)

设置训练或推理模式。

• 参数

  • isTrain: 是否训练。

• 返回值

  运行模式是否设置成功。

getTrainMode

public boolean getTrainMode()

获取训练模式。

• 返回值

  是否是训练模式。

setLearningRate

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

public boolean setupVirtualBatch(int virtualBatchMultiplier, float learningRate, float momentum)

设置虚批次系数。

• 参数

  • virtualBatchMultiplier: 虚批次系数，实际批次数需要乘以此系数。

  • learningRate: 学习率。

  • momentum: 动量系数。

• 返回值

  虚批次系数设置是否成功。

free

public void free()

释放Model内存。

ModelType

import com.mindspore.config.ModelType;

模型文件类型。

public static final int MT_MINDIR = 0;
public static final int MT_AIR = 1;
public static final int MT_OM = 2;
public static final int MT_ONNX = 3;
public static final int MT_MINDIR_LITE = 4;