MindSpore Lite API
MindSpore Lite API 支持情况汇总
类名 |
接口说明 |
C++ 接口 |
Python 接口 |
|---|---|---|---|
Context |
设置运行时的线程数 |
void SetThreadNum(int32_t thread_num) |
|
Context |
获取当前线程数设置 |
int32_t GetThreadNum() const |
|
Context |
设置运行时的算子并行推理数目 |
void SetInterOpParallelNum(int32_t parallel_num) |
|
Context |
获取当前算子并行数设置 |
int32_t GetInterOpParallelNum() const |
|
Context |
设置运行时的CPU绑核策略 |
void SetThreadAffinity(int mode) |
|
Context |
获取当前CPU绑核策略 |
int GetThreadAffinityMode() const |
|
Context |
设置运行时的CPU绑核列表 |
void SetThreadAffinity(const std::vector<int> &core_list) |
|
Context |
获取当前CPU绑核列表 |
std::vector<int32_t> GetThreadAffinityCoreList() const |
|
Context |
设置运行时是否支持并行 |
void SetEnableParallel(bool is_parallel) |
|
Context |
获取当前是否支持并行 |
bool GetEnableParallel() const |
|
Context |
设置内置Delegate模式，以使用第三方AI框架辅助推理 |
void SetBuiltInDelegate(DelegateMode mode) |
|
Context |
获取当前内置Delegate模式 |
DelegateMode GetBuiltInDelegate() const |
|
Context |
设置Delegate，Delegate定义了用于支持第三方AI框架接入的代理 |
set_delegate(const std::shared_ptr<AbstractDelegate> &delegate) |
|
Context |
获取当前Delegate |
std::shared_ptr<AbstractDelegate> get_delegate() const |
|
Context |
在多设备中，配置量化模型是否以浮点模式运行 |
void SetMultiModalHW(bool float_mode) |
|
Context |
获取当前配置中，量化模型的运行模式 |
bool GetMultiModalHW() const |
|
Context |
修改该context下的DeviceInfoContext数组 |
std::vector<std::shared_ptr<DeviceInfoContext>> &MutableDeviceInfo() |
封装在 Context.target |
DeviceInfoContext |
获取该DeviceInfoContext的类型 |
enum DeviceType GetDeviceType() const |
|
DeviceInfoContext |
将DeviceInfoContext转换为T类型的指针 |
std::shared_ptr<T> Cast() |
|
DeviceInfoContext |
设置设备生产商名 |
void SetProvider(const std::string &provider) |
|
DeviceInfoContext |
获取设备的生产商名 |
std::string GetProvider() const |
|
DeviceInfoContext |
设置生产商设备名 |
void SetProviderDevice(const std::string &device) |
|
DeviceInfoContext |
获取生产商设备名 |
std::string GetProviderDevice() const |
|
DeviceInfoContext |
设置内存管理器 |
void SetAllocator(const std::shared_ptr<Allocator> &allocator) |
|
DeviceInfoContext |
获取内存管理器 |
std::shared_ptr<Allocator> GetAllocator() const |
|
CPUDeviceInfo |
获取该DeviceInfoContext的类型 |
enum DeviceType GetDeviceType() const |
|
CPUDeviceInfo |
设置是否以FP16精度进行推理 |
void SetEnableFP16(bool is_fp16) |
|
CPUDeviceInfo |
获取当前是否以FP16精度进行推理 |
bool GetEnableFP16() const |
|
GPUDeviceInfo |
获取该DeviceInfoContext的类型 |
enum DeviceType GetDeviceType() const |
|
GPUDeviceInfo |
设置设备ID |
void SetDeviceID(uint32_t device_id) |
|
GPUDeviceInfo |
获取设备ID |
uint32_t GetDeviceID() const |
|
GPUDeviceInfo |
获取当前运行的RANK ID |
int GetRankID() const |
|
GPUDeviceInfo |
获取当前运行的GROUP SIZE |
int GetGroupSize() const |
|
GPUDeviceInfo |
设置推理时算子精度 |
void SetPrecisionMode(const std::string &precision_mode) |
|
GPUDeviceInfo |
获取推理时算子精度 |
std::string GetPrecisionMode() const |
|
GPUDeviceInfo |
设置是否以FP16精度进行推理 |
void SetEnableFP16(bool is_fp16) |
|
GPUDeviceInfo |
获取是否以FP16精度进行推理 |
bool GetEnableFP16() const |
|
GPUDeviceInfo |
设置是否绑定OpenGL纹理数据 |
void SetEnableGLTexture(bool is_enable_gl_texture) |
|
GPUDeviceInfo |
获取是否绑定OpenGL纹理数据 |
bool GetEnableGLTexture() const |
|
GPUDeviceInfo |
设置指定OpenGL EGLContext |
void SetGLContext(void *gl_context) |
|
GPUDeviceInfo |
获取当前OpenGL EGLContext |
void *GetGLContext() const |
|
GPUDeviceInfo |
设置指定OpenGL EGLDisplay |
void SetGLDisplay(void *gl_display) |
|
GPUDeviceInfo |
获取当前OpenGL EGLDisplay |
void *GetGLDisplay() const |
|
AscendDeviceInfo |
获取该DeviceInfoContext的类型 |
enum DeviceType GetDeviceType() const |
|
AscendDeviceInfo |
设置设备ID |
void SetDeviceID(uint32_t device_id) |
|
AscendDeviceInfo |
获取设备ID |
uint32_t GetDeviceID() const |
|
AscendDeviceInfo |
设置AIPP配置文件路径 |
void SetInsertOpConfigPath(const std::string &cfg_path) |
|
AscendDeviceInfo |
获取AIPP配置文件路径 |
std::string GetInsertOpConfigPath() const |
|
AscendDeviceInfo |
设置模型输入format |
void SetInputFormat(const std::string &format) |
|
AscendDeviceInfo |
获取模型输入format |
std::string GetInputFormat() const |
|
AscendDeviceInfo |
设置模型输入shape |
void SetInputShape(const std::string &shape) |
|
AscendDeviceInfo |
获取模型输入shape |
std::string GetInputShape() const |
|
AscendDeviceInfo |
设置模型输入shape |
void SetInputShapeMap(const std::map<int, std::vector <int>> &shape) |
|
AscendDeviceInfo |
获取模型输入shape |
std::map<int, std::vector <int>> GetInputShapeMap() const |
|
AscendDeviceInfo |
设置模型动态batch的档位，支持个数范围[2, 100] |
void SetDynamicBatchSize(const std::vector<size_t> &dynamic_batch_size) |
|
AscendDeviceInfo |
获取已配置模型的动态batch |
std::string GetDynamicBatchSize() const |
|
AscendDeviceInfo |
设置模型动态分辨率档位 |
void SetDynamicImageSize(const std::string &dynamic_image_size) |
|
AscendDeviceInfo |
获取已配置模型的动态分辨率 |
std::string GetDynamicImageSize() const |
|
AscendDeviceInfo |
设置模型输出type |
void SetOutputType(enum DataType output_type) |
|
AscendDeviceInfo |
获取模型输出type |
enum DataType GetOutputType() const |
|
AscendDeviceInfo |
设置模型精度模式 |
void SetPrecisionMode(const std::string &precision_mode) |
|
AscendDeviceInfo |
获取模型精度模式 |
std::string GetPrecisionMode() const |
|
AscendDeviceInfo |
设置算子实现方式 |
void SetOpSelectImplMode(const std::string &op_select_impl_mode) |
|
AscendDeviceInfo |
获取已配置的算子选择模式 |
std::string GetOpSelectImplMode() const |
|
AscendDeviceInfo |
设置融合开关配置文件，可指定关闭特定融合规则 |
void SetFusionSwitchConfigPath(const std::string &cfg_path) |
|
AscendDeviceInfo |
获取已配置的融合开关文件路径 |
std::string GetFusionSwitchConfigPath() const |
|
AscendDeviceInfo |
设置缓存优化模式 |
void SetBufferOptimizeMode(const std::string &buffer_optimize_mode) |
|
AscendDeviceInfo |
获取缓存优化模式 |
std::string GetBufferOptimizeMode() const |
|
KirinNPUDeviceInfo |
获取该DeviceInfoContext的类型 |
enum DeviceType GetDeviceType() const |
|
KirinNPUDeviceInfo |
设置是否以FP16精度进行推理 |
void SetEnableFP16(bool is_fp16) |
|
KirinNPUDeviceInfo |
获取是否以FP16精度进行推理 |
bool GetEnableFP16() const |
|
KirinNPUDeviceInfo |
设置NPU频率 |
void SetFrequency(int frequency) |
|
KirinNPUDeviceInfo |
获取NPU频率 |
int GetFrequency() const |
|
Model |
从内存缓冲区加载模型，并将模型编译至可在Device上运行的状态 |
Status Build(const void *model_data, size_t data_size, ModelType model_type, const std::shared_ptr <Context> &model_context = nullptr) |
|
Model |
从内存缓冲区加载模型，并将模型编译至可在Device上运行的状态 |
Status Build(const std::string &model_path, ModelType model_type, const std::shared_ptr <Context> &model_context = nullptr) |
|
Model |
根据路径读取加载模型，并将模型编译至可在Device上运行的状态 |
Status Build(const void *model_data, size_t data_size, ModelType model_type, const std::shared_ptr <Context> &model_context, const Key &dec_key, const std::string &dec_mode, const std::string &crypto_lib_path) |
|
Model |
根据路径读取加载模型，并将模型编译至可在Device上运行的状态 |
Status Build(const std::string &model_path, ModelType model_type, const std::shared_ptr <Context> &model_context, const Key &dec_key, const std::string &dec_mode, const std::string &crypto_lib_path) |
|
Model |
将GraphCell存储的模型编译至可在Device上运行的状态 |
Status Build(GraphCell graph, const std::shared_ptr <Context> &model_context = nullptr, const std::shared_ptr <TrainCfg> &train_cfg = nullptr) |
|
Model |
将GraphCell存储的模型编译至可在Device上运行的状态 |
Status Build(GraphCell graph, Node *optimizer, std::vector<Expr *> inputs, const std::shared_ptr <Context> &model_context, const std::shared_ptr <TrainCfg> &train_cfg) |
|
Model |
构建一个迁移学习模型，其中主干权重是固定的，头部权重是可训练的 |
Status BuildTransferLearning(GraphCell backbone, GraphCell head, const std::shared_ptr <Context> &context, const std::shared_ptr <TrainCfg> &train_cfg = nullptr) |
|
Model |
调整已编译模型的输入张量形状 |
Status Resize(const std::vector <MSTensor> &inputs, const std::vector <std::vector<int64_t>> &dims) |
|
Model |
更新模型的权重Tensor的大小和内容 |
Status UpdateWeights(const std::vector <MSTensor> &new_weights) |
|
Model |
推理模型 |
Status Predict(const std::vector <MSTensor> &inputs, std::vector <MSTensor> *outputs, const MSKernelCallBack &before = nullptr, const MSKernelCallBack &after = nullptr) |
|
Model |
仅带callback的推理模型 |
Status Predict(const MSKernelCallBack &before = nullptr, const MSKernelCallBack &after = nullptr) |
|
Model |
单步训练模型 |
Status RunStep(const MSKernelCallBack &before = nullptr, const MSKernelCallBack &after = nullptr) |
|
Model |
进行推理模型，并在推理前进行数据预处理 |
Status PredictWithPreprocess(const std::vector <std::vector<MSTensor>> &inputs, std::vector <MSTensor> *outputs, const MSKernelCallBack &before = nullptr, const MSKernelCallBack &after = nullptr) |
|
Model |
若模型配置了数据预处理，对模型输入数据进行数据预处理 |
Status Preprocess(const std::vector <std::vector<MSTensor>> &inputs, std::vector <MSTensor> *outputs) |
|
Model |
检查模型是否配置了数据预处理 |
bool HasPreprocess() |
|
Model |
根据路径读取配置文件 |
Status LoadConfig(const std::string &config_path) |
封装在 Model.build_from_file 方法的 config_path 参数中 |
Model |
刷新配置 |
Status UpdateConfig(const std::string §ion, const std::pair<std::string, std::string> &config) |
|
Model |
获取模型所有输入张量 |
std::vector <MSTensor> GetInputs() |
|
Model |
获取模型指定名字的输入张量 |
MSTensor GetInputByTensorName(const std::string &tensor_name) |
|
Model |
获取所有Tensor的梯度 |
std::vector <MSTensor> GetGradients() const |
|
Model |
应用所有Tensor的梯度 |
Status ApplyGradients(const std::vector <MSTensor> &gradients) |
|
Model |
获取模型的所有权重Tensors |
std::vector <MSTensor> GetFeatureMaps() const |
|
Model |
获取optimizer中所有参与权重更新的MSTensor |
std::vector <MSTensor> GetTrainableParams() const |
|
Model |
更新模型的权重Tensor内容 |
Status UpdateFeatureMaps(const std::vector <MSTensor> &new_weights) |
|
Model |
获取optimizer参数MSTensor |
std::vector <MSTensor> GetOptimizerParams() const |
|
Model |
更新optimizer参数 |
Status SetOptimizerParams(const std::vector <MSTensor> ¶ms) |
|
Model |
设置虚拟batch用于训练 |
Status SetupVirtualBatch(int virtual_batch_multiplier, float lr = -1.0f, float momentum = -1.0f) |
|
Model |
设置训练学习率 |
Status SetLearningRate(float learning_rate) |
|
Model |
获取优化器学习率 |
float GetLearningRate() |
|
Model |
训练指标参数初始化 |
Status InitMetrics(std::vector<Metrics *> metrics) |
|
Model |
获取训练指标参数 |
std::vector<Metrics *> GetMetrics() |
|
Model |
获取模型所有输出张量 |
std::vector <MSTensor> GetOutputs() |
封装在 Model.predict 的返回值 |
Model |
获取模型所有输出张量的名字 |
std::vector <std::string> GetOutputTensorNames() |
|
Model |
获取模型指定名字的输出张量 |
MSTensor GetOutputByTensorName(const std::string &tensor_name) |
|
Model |
通过节点名获取模型的MSTensors输出张量 |
std::vector <MSTensor> GetOutputsByNodeName(const std::string &node_name) |
|
Model |
将OpenGL纹理数据与模型的输入和输出进行绑定 |
Status BindGLTexture2DMemory(const std::map<std::string, unsigned int> &inputGLTexture, std::map<std::string, unsigned int> *outputGLTexture) |
|
Model |
session设置训练模式 |
Status SetTrainMode(bool train) |
|
Model |
获取session是否是训练模式 |
bool GetTrainMode() const |
|
Model |
模型训练 |
Status Train(int epochs, std::shared_ptr <dataset::Dataset>ds, std::vector<TrainCallBack *> cbs) |
|
Model |
模型验证 |
Status Evaluate(std::shared_ptr <dataset::Dataset> ds, std::vector<TrainCallBack *> cbs) |
|
Model |
检查设备是否支持该模型 |
static bool CheckModelSupport(enum DeviceType device_type, ModelType model_type) |
|
RunnerConfig |
设置RunnerConfig的worker的个数 |
void SetWorkersNum(int32_t workers_num) |
|
RunnerConfig |
获取RunnerConfig的worker的个数 |
int32_t GetWorkersNum() const |
|
RunnerConfig |
设置RunnerConfig的context参数 |
void SetContext(const std::shared_ptr <Context> &context) |
封装在 Context.parallel |
RunnerConfig |
获取RunnerConfig配置的上下文参数 |
std::shared_ptr <Context> GetContext() const |
封装在 Context.parallel |
RunnerConfig |
设置RunnerConfig的配置参数 |
void SetConfigInfo(const std::string §ion, const std::map<std::string, std::string> &config) |
|
RunnerConfig |
获取RunnerConfig配置参数信息 |
std::map<std::string, std::map<std::string, std::string>> GetConfigInfo() const |
|
RunnerConfig |
设置RunnerConfig中的配置文件路径 |
void SetConfigPath(const std::string &config_path) |
|
RunnerConfig |
获取RunnerConfig中的配置文件的路径 |
std::string GetConfigPath() const |
|
ModelParallelRunner |
根据路径读取加载模型，生成一个或者多个模型，并将所有模型编译至可在Device上运行的状态 |
Status Init(const std::string &model_path, const std::shared_ptr <RunnerConfig> &runner_config = nullptr) |
|
ModelParallelRunner |
根据模型文件数据，生成一个或者多个模型，并将所有模型编译至可在Device上运行的状态 |
Status Init(const void *model_data, const size_t data_size, const std::shared_ptr <RunnerConfig> &runner_config = nullptr) |
|
ModelParallelRunner |
获取模型所有输入张量 |
std::vector <MSTensor> GetInputs() |
|
ModelParallelRunner |
获取模型所有输出张量 |
std::vector <MSTensor> GetOutputs() |
封装在 Model.parallel_runner.predict 的返回值 |
ModelParallelRunner |
并发推理模型 |
Status Predict(const std::vector <MSTensor> &inputs, std::vector <MSTensor> *outputs,const MSKernelCallBack &before = nullptr, const MSKernelCallBack &after = nullptr) |
|
MSTensor |
创建一个MSTensor对象，其数据需复制后才能由Model访问 |
static inline MSTensor *CreateTensor(const std::string &name, DataType type, const std::vector<int64_t> &shape, const void *data, size_t data_len) noexcept |
|
MSTensor |
创建一个MSTensor对象，其数据可以直接由Model访问 |
static inline MSTensor *CreateRefTensor(const std::string &name, DataType type, const std::vector<int64_t> &shape, const void *data, size_t data_len, bool own_data = true) noexcept |
|
MSTensor |
创建一个MSTensor对象，其device数据可以直接由Model访问 |
static inline MSTensor CreateDeviceTensor(const std::string &name, DataType type, const std::vector<int64_t> &shape, void *data, size_t data_len) noexcept |
|
MSTensor |
创建一个MSTensor对象，其数据由文件路径file所指定 |
static inline MSTensor *CreateTensorFromFile(const std::string &file, DataType type = DataType::kNumberTypeUInt8, const std::vector<int64_t> &shape = {}) noexcept |
|
MSTensor |
创建一个字符串类型的MSTensor对象，其数据需复制后才能由Model访问 |
static inline MSTensor *StringsToTensor(const std::string &name, const std::vector<std::string> &str) |
|
MSTensor |
将字符串类型的MSTensor对象解析为字符串 |
static inline std::vector<std::string> TensorToStrings(const MSTensor &tensor) |
|
MSTensor |
销毁一个由 Clone 、 StringsToTensor 、 CreateRefTensor 或 CreateTensor 所创建的对象 |
static void DestroyTensorPtr(MSTensor *tensor) noexcept |
|
MSTensor |
获取MSTensor的名字 |
std::string Name() const |
|
MSTensor |
获取MSTensor的数据类型 |
enum DataType DataType() const |
|
MSTensor |
获取MSTensor的Shape |
const std::vector<int64_t> &Shape() const |
|
MSTensor |
获取MSTensor的元素个数 |
int64_t ElementNum() const |
|
MSTensor |
获取指向MSTensor中的数据拷贝的智能指针 |
std::shared_ptr <const void> Data() const |
|
MSTensor |
获取MSTensor中的数据的指针 |
void *MutableData() |
|
MSTensor |
获取MSTensor中的数据的以字节为单位的内存长度 |
size_t DataSize() const |
|
MSTensor |
判断MSTensor中的数据是否是常量数据 |
bool IsConst() const |
|
MSTensor |
判断MSTensor中是否在设备上 |
bool IsDevice() const |
|
MSTensor |
获取指向深拷贝副本的指针 |
MSTensor *Clone() const |
|
MSTensor |
判断MSTensor是否合法 |
bool operator==(std::nullptr_t) const |
|
MSTensor |
判断MSTensor是否非法 |
bool operator!=(std::nullptr_t) const |
|
MSTensor |
判断MSTensor是否与另一个MSTensor相等 |
bool operator==(const MSTensor &tensor) const |
|
MSTensor |
判断MSTensor是否与另一个MSTensor不相等 |
bool operator!=(const MSTensor &tensor) const |
|
MSTensor |
设置MSTensor的Shape |
void SetShape(const std::vector<int64_t> &shape) |
|
MSTensor |
设置MSTensor的DataType |
void SetDataType(enum DataType data_type) |
|
MSTensor |
设置MSTensor的名字 |
void SetTensorName(const std::string &name) |
|
MSTensor |
设置MSTensor数据所属的内存池 |
void SetAllocator(std::shared_ptr <Allocator> allocator) |
|
MSTensor |
获取MSTensor数据所属的内存池 |
std::shared_ptr <Allocator> allocator() const |
|
MSTensor |
设置MSTensor数据的format |
void SetFormat(mindspore::Format format) |
|
MSTensor |
获取MSTensor数据的format |
mindspore::Format format() const |
|
MSTensor |
设置指向MSTensor数据的指针 |
void SetData(void *data, bool own_data = true) |
|
MSTensor |
设置MSTensor数据的设备地址 |
void SetDeviceData(void *data) |
|
MSTensor |
获取由SetDeviceData接口设置的MSTensor数据的设备地址 |
void *GetDeviceData() |
|
MSTensor |
获取MSTensor的量化参数 |
std::vector <QuantParam> QuantParams() const |
|
MSTensor |
设置MSTensor的量化参数 |
void SetQuantParams(std::vector <QuantParam> quant_params) |
|
ModelGroup |
构造ModelGroup对象，指示共享工作空间内存或共享权重内存，默认共享工作空间内存 |
ModelGroup(ModelGroupFlag flags = ModelGroupFlag::kShareWorkspace) |
|
ModelGroup |
共享权重内存时，添加需要共享权重内存的模型对象 |
Status AddModel(const std::vector<Model> &model_list) |
|
ModelGroup |
共享工作空间内存时，添加需要共享工作空间内存的模型路径 |
Status AddModel(const std::vector<std::string> &model_path_list) |
|
ModelGroup |
共享工作空间内存时，添加需要共享工作空间内存的模型缓存 |
Status AddModel(const std::vector<std::pair<const void *, size_t>> &model_buff_list) |
|
ModelGroup |
共享工作空间内存时，计算最大的工作空间内存大小 |
Status CalMaxSizeOfWorkspace(ModelType model_type, const std::shared_ptr<Context> &ms_context) |
C++ API
- mindspore
- mindspore::abstract
- mindspore::api
- mindspore::api::utils
- mindspore::converter
- mindspore::dataset
- mindspore::dataset::config
- mindspore::dataset::text
- mindspore::dataset::transforms
- mindspore::dataset::vision
- mindspore::kernel
- mindspore::ops
- mindspore::registry
- mindspore::registry::opencl
- 样例
JAVA API
Python API