ml --- 机器学习

ml 模块包含在 OpenMV Cam 上加载和运行 TensorFlow Lite 模型的功能。该模块对外暴露了单个面向用户的类 ml.Model，它对底层的 C Model 类进行了封装，并增加了 Python 端的便利功能（自动加载标签以及自动将图像转换为张量）。

子模块

class Model -- 模型容器

class ml.Model(path: str, *, postprocess: object = None) → Model

将 TensorFlow Lite 模型从 path 加载到内存中并准备进行推理。path 可以是文件系统上的文件，也可以是内置于固件镜像中的模型名称。

postprocess 是一个可选的后处理可调用对象，由 Model.predict 在推理后调用。它接收 (model, inputs, outputs)，并可返回任意值（例如边界框列表）。提供该参数时，为了性能，后处理器接收的是原始模型输出张量（未反量化）。

在构造时，封装器还会尝试加载一个与 path 同基名的 .txt 文件；若找到，则将每一行加载到 Model.labels 中。否则 Model.labels 为 None。

predict(inputs: list, *, callback: object = None) → list

在模型上运行推理并返回输出张量。

inputs 是一个列表，每个模型输入张量对应一个条目。每个条目可以是：

  • 一个 ndarray，其形状与 Model.input_shape 中对应的条目相匹配。值会使用输入张量的 scale 和 zero point 进行量化（float32 输入则原样传递）。

  • 一个 image.Image 对象。封装器会自动将其封装在 ml.preprocessing.Normalization 对象中，以转换为所需的张量。

  • 一个可调用对象。它将以 (bytearray, shape, dtype) 被调用，并应使用输入张量数据填充该 bytearray。

callback 是一个可选的逐次调用后处理可调用对象。提供时，它仅在本次调用中覆盖构造函数上设置的 postprocess。该回调接收 (model, inputs, outputs)，其返回值由 predict 返回。

返回一个 ndarray 输出列表，每个模型输出张量对应一个。若没有激活的后处理器，则输出会被反量化为 float32；若有激活的后处理器，则将原始输出张量（使用每个张量的原生 dtype）传递给它。

len: int

已加载模型的大小，以字节为单位。

ram: int

模型张量竞技场（tensor arena）所占用的 RAM 大小，以字节为单位。

input_shape: list[tuple[int, ...]]

一个元组列表，给出每个输入张量的形状。

input_dtype: list[str]

一个单字符字符串列表，给出每个输入张量的 dtype：'b'（int8）、'B'（uint8）、'h'（int16）、'H'（uint16）、'f'（float32）。

input_scale: list[float]

一个浮点数列表，给出每个输入张量的量化 scale。

input_zero_point: list[int]

一个整数列表，给出每个输入张量的量化 zero point。

output_shape: list[tuple[int, ...]]

一个元组列表，给出每个输出张量的形状。

output_dtype: list[str]

一个单字符字符串列表，给出每个输出张量的 dtype：'b'（int8）、'B'（uint8）、'h'（int16）、'H'（uint16）、'f'（float32）。

output_scale: list[float]

一个浮点数列表，给出每个输出张量的量化 scale。

output_zero_point: list[int]

一个整数列表，给出每个输出张量的量化 zero point。

postprocess: object

提供给构造函数的后处理可调用对象，若无则为 None。

labels: list[str]

从模型旁的 .txt 文件加载的标签字符串列表，若不存在此类文件则为 None。