# extended_neural_network

Python API: `depthai_nodes.node.extended_neural_network`

## 类

### ExtendedNeuralNetwork

一个高级主机节点，执行神经网络推理，具有自动输入大小调整和可选的坐标重映射功能。

`ExtendedNeuralNetwork` 是内部 `ParsingNeuralNetwork` 节点的一个便捷包装器。它处理：

 * 从 HubAI slug、`dai.NNModelDescription` 或 `dai.NNArchive` 加载模型。
 * 自动调整输入大小以匹配神经网络输入分辨率。
 * 当输入不是相机节点时，可选的坐标重映射。

支持两种输入模式：

 * 相机输入：当 `inputImage` 是 `dai.node.Camera` 时，节点使用适当的硬件调整模式直接从相机请求调整大小的输出。在这种情况下，神经网络输出已经与原始图像坐标对齐，不需要额外的映射。
 * 通用流输入：当 `inputImage` 是 `dai.Node.Output` 时，内部 `dai.node.ImageManip` 节点将帧调整为网络预期的输入大小。然后插入一个 `CoordinatesMapper`
   节点，将神经网络输出映射回原始图像坐标空间。

该节点通过 `out` 暴露神经网络输出，并通过 `passthrough` 暴露直通帧。

> **注意**
> * 此节点目前不支持 RVC2 平台。
 * 当使用非相机输入时，一个额外的 ImageManip 节点被插入到管道中。
 * 当调整大小发生在相机节点之外时，会自动执行坐标重映射。

输出：

 * `out : dai.Node.Output`：解析后的神经网络输出流。如果需要坐标重映射，此流包含重映射结果。
 * `outputs : dai.Node.Output`：`out` 的别名或原始神经网络输出，具体取决于输入模式。
 * `passthrough : dai.Node.Output`：来自底层神经网络节点的直通流。

另请参阅：

 * `ParsingNeuralNetwork`：负责运行推理和解析结果的节点。
 * `CoordinatesMapper`：当应用大小调整时用于重映射输出坐标的节点。
 * `dai.node.ImageManip`：当输入不是相机节点时用于调整大小的节点。

#### 方法

##### init

```python
def __init__(self):
```

初始化日志记录和平台特定的输出图像格式。

抛出

 * `ValueError`：如果管道设备平台没有配置图像帧格式。

##### build

```python
def build(inputImage: dai.node.Camera | dai.Node.Output, nnSource: dai.NNModelDescription | dai.NNArchive | str, resizeMode: dai.ImageManipConfig.ResizeMode = dai.ImageManipConfig.ResizeMode.CENTER_CROP) -> ExtendedNeuralNetwork:
```

构建内部推理管道。

参数

 * `inputImage` (`dai.node.Camera | dai.Node.Output`)：输入帧的来源。相机节点由相机在设备上调整大小；通用输出通过内部 ImageManip 调整大小。
 * `nnSource` (`dai.NNModelDescription | dai.NNArchive | str`)：HubAI 模型 slug、dai.NNModelDescription 或 dai.NNArchive。
 * `resizeMode` (`dai.ImageManipConfig.ResizeMode`)：将帧调整为网络输入形状时使用的调整策略。

返回

 * `ExtendedNeuralNetwork`：配置好的节点实例。

抛出

 * `ValueError`：如果 `nnSource` 不是存档、模型描述或模型动物园 slug。

##### run

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

`BaseThreadedHostNode` 所需的空操作。

#### 属性

##### out

返回主要的解析输出流。

##### outputs

在可用时返回多头输出流。

##### passthrough

返回底层 NN 节点的直通流。
