此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • ParsingNeuralNetwork
  • 属性
  • TParser
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包

parsing_neural_network

最后更新
Python API: depthai_nodes.node.parsing_neural_network

类

ParsingNeuralNetwork

使用每个 NN Archive 头的原生解析器构建推理。build() 接受 NN Archive、模型描述或 Model Zoo slug。解析器输出保留其原生消息类型。当需要 Python 解析器实现时,请使用 HostParsingNeuralNetwork。

方法

init
Python
1def __init__(*args, **kwargs):
初始化包装器并创建内部神经网络节点。
build
Python
1def build(input: dai.Node.Output | dai.node.Camera, nnSource: dai.NNModelDescription | dai.NNArchive | str, fps: float | None = None) -> ParsingNeuralNetwork:
构建神经网络节点并为每个头创建解析器节点。参数
  • input (dai.Node.Output | dai.node.Camera): 上游输出或将帧馈送到神经网络节点的相机。
  • nnSource (dai.NNModelDescription | dai.NNArchive | str): dai.NNModelDescription、dai.NNArchive 或 HubAI 模型 slug。
  • fps (float | None): 神经网络节点的可选运行时 FPS 限制。
返回
  • ParsingNeuralNetwork: 配置好的节点实例。
抛出
  • ValueError: 如果 nnSource 不是存档、模型描述或 Model Zoo slug,或者其解析器配置无效。
cleanup
Python
1def cleanup(self):
清理 ParsingNeuralNetwork 节点并从管道中删除 ParsingNeuralNetwork 创建的所有节点。必须在从管道中删除节点之前调用。
getNumInferenceThreads
Python
1def getNumInferenceThreads(self) -> int:
返回配置的推理线程数。
getOutput
Python
1def getOutput(head: int) -> dai.Node.Output:
选择单个模型头输出。参数
  • head (int): 存档中基于零的头索引。
返回
  • dai.Node.Output: 所选头的解析器输出。
抛出
  • KeyError: 如果头不可用。
getParser
Python
1def getParser(*args, **kwargs) -> BaseParser | dai.DeviceNode:
返回请求的模型头的解析器。参数
  • *args: 头索引、解析器类型或解析器类型和头索引。
  • parserType: 用于运行时类型检查的可选预期解析器类型。
  • index: 模型头索引。默认为 0。
  • **kwargs: 可选的 parserType 和 index 关键字参数。
返回
  • BaseParser | dai.DeviceNode: 与请求的头匹配的解析器节点。
抛出
  • KeyError: 如果模型头索引不可用。
  • TypeError: 如果解析器与请求的解析器类型不匹配。
run
Python
1def run(self):
从 ThreadedHostNode 继承的方法。方法随管道的启动而运行。
setBackend
Python
1def setBackend(setBackend: str):
将配置转发到底层原生 NeuralNetwork 节点。参数
  • setBackend (str): DepthAI 接受的后端标识符。
setBackendProperties
Python
1def setBackendProperties(setBackendProperties: dict[str, str]):
将配置转发到底层原生 NeuralNetwork 节点。参数
  • setBackendProperties (dict[str, str]): 特定于后端的字符串属性。
setBlob
Python
1def setBlob(blob: Path | dai.OpenVINO.Blob):
将配置转发到底层原生 NeuralNetwork 节点。参数
  • blob (Path | dai.OpenVINO.Blob): DepthAI 接受的 OpenVINO blob 或路径。
setBlobPath
Python
1def setBlobPath(path: Path):
将配置转发到底层原生 NeuralNetwork 节点。参数
  • path (Path): 本地 OpenVINO blob 路径。
setFromModelZoo
Python
1def setFromModelZoo(description: dai.NNModelDescription, useCached: bool):
将模型加载到原生网络中,而无需重建解析器。参数
  • description (dai.NNModelDescription): 传递给 DepthAI 的 Model Zoo 描述。
  • useCached (bool): DepthAI 是否可以重用缓存模型。
setModelPath
Python
1def setModelPath(modelPath: Path):
将配置转发到底层原生 NeuralNetwork 节点。参数
  • modelPath (Path): 原生节点接受的本地模型路径。
setNNArchive
Python
1def setNNArchive(nnArchive: dai.NNArchive, numShaves: int | None = None):
设置活动模型存档并重建解析器节点。参数
  • nnArchive (dai.NNArchive): 包含模型和解析器配置的神经网络存档。
  • numShaves (int | None): 分配给神经网络节点的可选 shave 数量。
setNumInferenceThreads
Python
1def setNumInferenceThreads(numThreads: int):
将配置转发到底层原生 NeuralNetwork 节点。参数
  • numThreads (int): 请求的并行推理线程数。
setNumNCEPerInferenceThread
Python
1def setNumNCEPerInferenceThread(numNCEPerThread: int):
将配置转发到底层原生 NeuralNetwork 节点。参数
  • numNCEPerThread (int): 每个推理线程分配的神经计算引擎数量。
setNumPoolFrames
Python
1def setNumPoolFrames(numFrames: int):
将配置转发到底层原生 NeuralNetwork 节点。参数
  • numFrames (int): 网络输出池中的帧数。
setNumShavesPerInferenceThread
Python
1def setNumShavesPerInferenceThread(numShavesPerInferenceThread: int):
将配置转发到底层原生 NeuralNetwork 节点。参数
  • numShavesPerInferenceThread (int): 每个推理线程分配的 SHAVE 核心数量。

属性

input
返回主神经网络输入。
inputs
返回神经网络输入映射。
out
当模型只有一个头时,返回单个解析器输出。
outputs
神经网络输出,其有效负载为 dai.MessageGroup,其中包含所有模型头的输出,并且可以作为以 str(模型头索引) 为键的字典进行访问。仅当至少有两个模型头时才能使用。否则,必须使用 out 属性。
passthrough
返回底层 NN 节点的主直通流。
passthroughs
返回底层 NN 节点的直通输出映射。

属性

TParser