# base_inferer

Python API: `modelconverter.platforms.base_inferer`

用于使用转换模型运行推理的抽象基类。

[Inferer](/software-v3/ai-inference/conversion/rvc-conversion/offline/modelconverter/modelconverter-api-reference/platforms/base_inferer.md)
实现了 `infer` 命令的平台无关部分：它将源目录下找到的文件配对，为每组输入调用模型一次，并将原始输出存储为 `.npy` 文件。每个平台——RVC2、RVC3、RVC4 和 Hailo——都在其自己的 Docker
镜像中对其进行子类化，并仅提供运行时设置和单个推理步骤。

## 类

### Inferer

用于运行转换模型的平台无关基类。

实例通常使用
[Inferer.from_config](/software-v3/ai-inference/conversion/rvc-conversion/offline/modelconverter/modelconverter-api-reference/platforms/base_inferer.md)
创建。输出目录和运行时在构建期间准备，之后
[Inferer.run](/software-v3/ai-inference/conversion/rvc-conversion/offline/modelconverter/modelconverter-api-reference/platforms/base_inferer.md)
执行推理。

#### 方法

##### from_config

```python
def from_config(model_path: str, src: Path, dest: Path, config: SingleStageConfig) -> Self:
```

从单阶段配置创建推理器。

形状、数据类型、调整大小方法、编码和布局取自配置的输入和输出。

参数

 * `model_path` (`str`): 转换模型的路径，相对于当前工作目录解析。
 * `src` (`Path`): 包含输入文件的目录。
 * `dest` (`Path`): 输出写入的目录。
 * `config` (`SingleStageConfig`): 要运行的阶段的配置。

返回

 * `Self`: 构建的推理器。

引发

 * `ValueError`: 如果任何配置的输入或输出没有形状。

##### infer

```python
def infer(inputs: dict[str, Path]) -> dict[str, np.ndarray]:
```

在一组输入上运行模型。

参数

 * `inputs` (`dict[str, Path]`): 包含每个模型输入数据的文件的路径，以输入名称为键。

返回

 * `dict[str, np.ndarray]`: 模型输出，以输出名称为键。

##### run

```python
def run(self):
```

在源目录中的每个输入上运行模型。

源目录的每个输入子目录都同步遍历，因此每个子目录中的一个文件构成一组输入。每个输出都保存为 `.npy` 文件，位于以该输出命名的目标子目录下，并以该组的第一个输入文件命名。

##### setup

```python
def setup(self):
```

初始化特定于平台的运行时。

在构建期间调用一次，在任何推理之前。

#### 属性

##### config

创建推理器时使用的配置（如果有）。

##### dest

输出写入的目录，每个模型输出一个子目录。

##### encoding

每个输入预期的颜色编码，以输入名称为键。

##### in_dtypes

每个模型输入的数据类型，以输入名称为键。

##### in_shapes

每个模型输入的形状，以输入名称为键。

##### layout

输入的布局，以输入名称为键。没有已知布局的输入映射到 `None`。

##### model_path

要运行的转换模型的路径。

##### out_dtypes

每个模型输出的数据类型，以输出名称为键。

##### out_shapes

每个模型输出的形状，以输出名称为键。

##### resize_method

图像如何调整大小以适应其所馈送的输入的形状，以输入名称为键。

##### src

包含每个模型输入的一个输入文件子目录的目录，每个子目录都以该输入命名。
