# preprocessing

Python API: `modelconverter.utils.preprocessing`

外部化输入预处理的校准端表示。

将预处理移动到 NN Archive 会将其从转换配置中清除，但校准仍然需要它：量化器会看到源模型的输入，而不是携带预处理节点的模型的输入。

## 类

### CalibrationPreprocessing

仅校准准备所需的不可变预处理。

#### 方法

##### requires_input_preprocessing

```python
def requires_input_preprocessing(*, reverse_only: bool = False) -> bool:
```

此快照是否包含非同一性预处理。

#### 属性

##### data_type

##### encoding_from

##### encoding_mismatch

源模型及其预处理输入是否不同。

##### encoding_to

##### is_image

##### mean_values

##### normalization_required

均值减法或尺度除法是否为非同一性。

##### scale_values

## 函数

### apply_calibration_preprocessing

```python
def apply_calibration_preprocessing(array: np.ndarray, preprocessing: CalibrationPreprocessing, *, layout: str) -> np.ndarray:
```

将外部化颜色转换和归一化应用于数组。

`layout` 描述了数组在此时的存在方式。它可能会省略单例批次轴，即使配置的模型布局有一个，这是解码图像通常到达的方式。

### channels_last_4d_layout

```python
def channels_last_4d_layout(layout: str) -> str:
```

在四维布局中将唯一的通道轴移到最后。

### channels_last_image_layout

```python
def channels_last_image_layout(layout: str) -> str:
```

返回图像布局的 NHWC/HWC 对应项。

不描述图像的布局将保持不变。

### input_preprocessing_required

```python
def input_preprocessing_required(*, encoding_from: Encoding, encoding_to: Encoding, mean_values: Sequence[float] | None, scale_values: Sequence[float] | None, reverse_only: bool = False) -> bool:
```

输入的颜色转换或归一化是否为非同一性。

### is_user_calibration_tensor

```python
def is_user_calibration_tensor(path: Path, calib: ImageCalibrationConfig) -> bool:
```

张量文件是否使用后端就绪的校准约定。

### normalization_required

```python
def normalization_required(mean_values: Sequence[float] | None, scale_values: Sequence[float] | None) -> bool:
```

均值减法或尺度除法是否为非同一性。

### read_user_calibration_tensor

```python
def read_user_calibration_tensor(path: Path, *, raw_shape: list[int] | tuple[int, ...] | None = None, data_type: DataType, input_name: str) -> np.ndarray:
```

以后端所需的样本形状加载不透明的用户张量。

NumPy 文件带有自己的形状，并保持不变。原始缓冲区需要 `raw_shape`，并在验证其元素计数后进行重塑而不重新排序。

### reorder_layout

```python
def reorder_layout(array: np.ndarray, source_layout: str, target_layout: str) -> np.ndarray:
```

重新排序轴，仅添加或删除单例批次维度。
