# inferer

Python API: `modelconverter.platforms.rvc4.inferer`

通过 SNPE 使用 RVC4 模型进行推理。

包含
[Inferer](/software-v3/ai-inference/conversion/rvc-conversion/offline/modelconverter/modelconverter-api-reference/platforms/base_inferer.md)
实现，`infer` 命令用于 RVC4 平台：输入被写入原始文件并通过 `snpe-net-run` 推送到转换后的 DLC 模型。它仅在安装了 SNPE SDK 的 RVC4 Docker 镜像中有效。

## 类

### RVC4Inferer

基于 `snpe-net-run` 的 RVC4 DLC 模型推理器。

#### 方法

##### infer

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

在一组输入图像上运行模型。

每张图像都以 `float32` 格式读取并转储到 SNPE 输入列表引用的原始文件，然后对 DLC 模型调用 `snpe-net-run`，并读取其生成的原始文件并重塑为配置的输出形状。SNPE 的四维输出数据是通道在后的。其维度从配置的输出布局中恢复并以
`NCHW` 形式公开。

参数

 * `inputs` (`dict[str, Path]`): 每个模型输入的图像路径，以输入名称为键。

返回

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

##### setup

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

设置每次推理使用的路径和缓存元数据。

头文件命名了 SNPE 要求写入的输出。输出布局与 `Inferer.from_config` 填充的形状和数据类型一起捕获一次。
