# base_node

Python API: `luxonis_train.nodes.base_node`

所有节点继承的基类。

[BaseNode](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
为节点提供其输入的形状，以便节点可以调整其层的尺寸。它将输入包映射到 `forward` 的参数。它还从命名变体构建节点，加载预训练权重，并切换导出模式。

## 类

### BaseNode

模型图所有节点的基类。

节点是一个 `torch.nn.Module`，它读取包并返回一个包。包是一个字典，它将输出名称映射到张量或张量列表。模型为节点的每个输入调用
[run](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)，并带有一个包。输入节点的包是其输出。加载器输入的包在键
`"features"`
下以列表形式保存张量。[run](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
将包值传递给
[forward](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
并将结果作为包返回。

每个子类都将其自身注册到
[luxonis_train.registry.NODES](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/registry.md)
中，名称为其类名，因此配置通过该名称引用节点。类语句中的 `register_name` 替换类名。在类语句中放置 `register=False` 以跳过注册。

子类必须实现
[forward](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。它还可以执行以下步骤：

 * 设置类属性 `attach_index` 和 `task`。
 * 覆盖
   [get_variants](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   以声明变体。
 * 覆盖
   [get_weights_url](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   以提供预训练权重。
 * 覆盖
   [initialize_weights](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   以初始化其自己的层。
 * 在类主体中注释属性，例如 `in_channels: int`。构造函数随后将属性值与注释进行比较。如果不匹配，它会引发
   [IncompatibleError](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/utils/exceptions.md)。当属性引发
   `RuntimeError` 时，构造函数会跳过检查。属性的任何其他错误都会从构造函数中抛出。检查只读取具有注释的最近类的注释。因此，子类的注释会隐藏其父类的注释。

> **示例**
> 一个从输入形状调整其层大小的节点。`register=False` 使示例不包含在注册表中。

```pycon
>>> import torch
>>> from torch import Size, Tensor, nn
>>> from luxonis_train.nodes import BaseNode
>>> class Conv(BaseNode, register=False):
...     def __init__(self, **kwargs):
...         super().__init__(**kwargs)
...         self.conv = nn.Conv2d(self.in_channels, 8, kernel_size=1)
...
...     def forward(self, x: Tensor) -> Tensor:
...         return self.conv(x)
>>> node = Conv(input_shapes=[{"features": [Size([2, 3, 32, 32])]}])
>>> node.attach_index, node.in_channels
(-1, 3)
>>> packet = node.run([{"features": [torch.zeros(2, 3, 32, 32)]}])
>>> packet["features"].shape
torch.Size([2, 8, 32, 32])
```

#### 方法

##### init

```python
def __init__(*, input_shapes: list[Packet[Size]] | None = None, original_in_shape: Size | None = None, dataset_metadata: DatasetMetadata | None = None, n_classes: int | None = None, n_keypoints: int | None = None, in_sizes: Size | list[Size] | None = None, remove_on_export: bool = False, export_output_names: list[str] | None = None, attach_index: AttachIndexType | None = None, task_name: str | None = None, weights: str | Literal['download', 'yolo', 'none'] | None = None):
```

初始化节点。

所有参数都是仅限关键字且可选的。依赖于缺失元数据的属性在访问时会引发 `RuntimeError`。

参数

 * `input_shapes` (`list[Packet[Size]] | None`): 节点的每个输入一个形状包，按输入顺序排列。形状属性，例如
   [in_channels](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)，会读取它。
 * `original_in_shape` (`Size | None`): 模型输入图像的形状，`[C, H, W]`，不带批次维度。
 * `dataset_metadata` (`DatasetMetadata | None`):
   数据集的元数据。[n_classes](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)、[n_keypoints](https://docs.luxonis.com/zh/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)、[classes](https://docs.luxonis.com/zh/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   和
   [class_names](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   会读取它。
 * `n_classes` (`int | None`):
   类的数量。设置后，[n_classes](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   返回它，并且不读取 `dataset_metadata`。
 * `n_keypoints` (`int | None`):
   关键点的数量。设置后，[n_keypoints](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   返回它，并且不读取 `dataset_metadata`。
 * `in_sizes` (`Size | list[Size] | None`):
   附加输入的大小。设置后，[in_sizes](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   返回它，并且不读取 `input_shapes`。
 * `remove_on_export` (`bool`): 当为 `True` 时，模型在导出模式下会跳过该节点，因此导出的模型不包含该节点。
 * `export_output_names` (`list[str] | None`): 导出模型中节点输出的名称。有关导出如何使用它们，请参阅
   [export_output_names](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。`None`
   保留默认名称。
 * `attach_index` (`AttachIndexType | None`): 节点读取的输入节点的输出。非 `None` 的值会替换类属性并记录警告。有关接受的值，请参阅
   [attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。
 * `task_name` (`str | None`): 节点的数据集任务。它选择 `dataset_metadata` 中的类和关键点。`None` 变为 `""`。
 * `weights` (`str | Literal['download', 'yolo', 'none'] | None`): 权重的来源或初始化方法。变体元类在构造函数之后调用 `__post_init__`。该步骤读取值： *
   `"download"` 调用
   [load_checkpoint](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)，它从
   [get_weights_url](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   获取 URL。
    * 包含 `"://"` 的字符串调用
      [load_checkpoint](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
      并使用该 URL。
    * 任何其他字符串都作为方法传递给
      [initialize_weights](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。本地检查点路径也传递到那里，并且基本实现不加载它。
    * `None` 和 `""` 的作用与 `"none"` 相同。

引发

 * `AssertionError`: 当
   [attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   为 `None` 且 `forward` 没有参数时。
 * `IncompatibleError`: 当类主体注释的属性具有不同类型的值时。

##### export.setter

```python
def export.setter(mode: bool):
```

使用
[set_export_mode](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
开启或关闭导出模式。

##### forward

```python
def forward(inputs: Tensor | list[Tensor] | Packet[Tensor] | list[Packet[Tensor]]) -> Tensor | list[Tensor] | Packet[Tensor]:
```

计算节点的输出。

子类必须实现它。[run](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
读取每个参数的名称和类型注释以决定参数获取什么。使用 `inputs` 的四种类型之一注释每个参数。有关规则，请参阅
[run](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。

参数

 * `inputs` (`Tensor | list[Tensor] | Packet[Tensor] | list[Packet[Tensor]]`): 节点的输入。实现可以重命名参数并添加更多参数。

返回

 * `Tensor | list[Tensor] | Packet[Tensor]`:
   节点的输出。[run](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   将张量或张量列表放入包中。

##### get_attached

```python
def get_attached(value: list[T] | T) -> list[T] | T:
```

选择
[attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
命名的列表元素。

非列表值保持不变。索引必须为 `None`、`-1` 或 `0`。对于列表，索引选择：

 * 使用 `"all"`，整个列表。
 * 使用整数，一个元素。负索引从末尾开始计数。
 * 使用一对 `(i, j)` 或三元组 `(i, j, k)`，一个从 `i` 到 `j` 的切片，步长为 `k`。切片包含 `i` 并排除 `j`，如 Python 中所示。负索引从末尾开始计数。当 `i > j`
   且两个索引都为负或都为非负时，默认步长为 `-1`。否则，为 `1`。

**异常：**当 `i` 和 `j` 都为负且 `i < j` 时，范围排除 `i` 并包含 `j`。此时步长始终为 `1`。因此 `(-3, -1)` 选择最后两个元素，而不是 Python 切片 `[-3:-1]`。

> **示例**
> ```pycon
>>> from torch import Tensor
>>> from luxonis_train.nodes import BaseNode
>>> class Node(BaseNode, register=False):
...     def forward(self, x: Tensor) -> Tensor:
...         return x
>>> node = Node()
>>> node.get_attached([1, 2, 3, 4, 5])
5
>>> node.attach_index = (1, -1)
>>> node.get_attached([1, 2, 3, 4, 5])
[2, 3, 4]
>>> node.attach_index = (-3, -1)
>>> node.get_attached([1, 2, 3, 4, 5])
[4, 5]
```

参数

 * `value` (`list[T] | T`): 张量或大小的列表，或单个张量或大小。

返回

 * `list[T] | T`: 对于整数索引，一个元素；对于 `"all"` 或元组，一个列表；或者当 `value` 不是列表时，`value` 本身。

引发

 * `ValueError`: 当 `value` 不是列表且索引不是 `None`、`-1` 或 `0` 时。当整数索引为 `len(value)` 或更大时。
 * `RuntimeError`: 当 `value` 是列表且索引为 `None` 时。

##### get_variants

```python
def get_variants() -> tuple[str, dict[str, Kwargs]]:
```

返回节点的默认变体名称和变体。

具有变体的节点会覆盖此静态方法。诸如 `Node(variant="n")` 之类的调用会选择一个变体，而 `"default"` 会选择默认变体。变体元类随后将变体的参数传递给构造函数。调用显式给出的参数会替换同名的变体参数。字典中不存在的变体名称会使元类引发 `ValueError`。

> **示例**
> ```pycon
>>> from torch import Tensor
>>> from luxonis_train.nodes import BaseNode
>>> class Node(BaseNode, register=False):
...     def __init__(self, width: int = 1, **kwargs):
...         super().__init__(**kwargs)
...         self.width = width
...
...     def forward(self, x: Tensor) -> Tensor:
...         return x
...
...     @staticmethod
...     def get_variants():
...         return "n", {"n": {"width": 8}, "s": {"width": 16}}
>>> node = Node(variant="default")
>>> node.variant, node.width
('n', 8)
>>> Node(variant="s").width
16
>>> Node().width
1
```

返回

 * `tuple[str, dict[str, Kwargs]]`: 默认变体的名称，以及一个将每个变体名称映射到其构造函数关键字参数的字典。

引发

 * `NotImplementedError`: 当节点没有变体时。基本实现总是引发它。

##### get_weights_url

```python
def get_weights_url(self) -> str:
```

返回节点预训练权重的 URL。

具有预训练权重的节点会覆盖此方法。基本实现会引发
`NotImplementedError`，这意味着该节点没有预训练权重。[load_checkpoint](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
在没有检查点时调用该方法，例如 `weights="download"`。

URL 可以包含以下占位符：

 * `{github}` 变为 `https://github.com/luxonis/luxonis-train/releases/download/v0.3.10-beta/`。版本是固定的。已安装的版本不会更改它。
 * `{github:v0.3.0}` 选择版本 `v0.3.0`。版本需要三个数字，并且可以有后缀，如 `v0.3.0-beta`。
 * `{variant}` 变为构建节点的变体名称。节点必须来自变体。

URL 处的文件必须在 `"state_dict"` 键下保存节点的状态字典。该字典的键必须是节点的参数和缓冲区名称。

返回

 * `str`: 检查点的 URL。它可以包含占位符。

引发

 * `NotImplementedError`: 当节点没有预训练权重时。

##### initialize_weights

```python
def initialize_weights(method: Literal['yolo', 'none'] | str | None = None):
```

初始化节点的权重。

节点在构造后调用它，将 `weights` 参数作为 `method`，除非 `weights` 请求检查点。子类覆盖它以初始化其自己的层。

基本实现知道一种方法，即 `"yolo"`。它将每个 `torch.nn.BatchNorm2d` 中的 `eps` 设置为 `0.001`，将 `momentum` 设置为 `0.03`。它还将每个
`Hardswish`、`LeakyReLU`、`ReLU`、`ReLU6` 和 `SiLU` 激活中的 `inplace` 设置为 `True`。其他值不改变任何内容。

> **示例**
> 构造函数的 `weights` 参数选择方法。

```pycon
>>> from torch import Tensor, nn
>>> from luxonis_train.nodes import BaseNode
>>> class Node(BaseNode, register=False):
...     def __init__(self, **kwargs):
...         super().__init__(**kwargs)
...         self.bn = nn.BatchNorm2d(4)
...
...     def forward(self, x: Tensor) -> Tensor:
...         return self.bn(x)
>>> Node().bn.eps
1e-05
>>> node = Node(weights="yolo")
>>> node.bn.eps, node.bn.momentum
(0.001, 0.03)
```

参数

 * `method` (`Literal['yolo', 'none'] | str | None`): 初始化方法的名称。`None` 和 `"none"` 不改变任何内容。

##### load_checkpoint

```python
def load_checkpoint(ckpt: str | dict[str, Tensor] | None = None, *, strict: bool = True):
```

将检查点加载到节点中。

对于文件，该方法会记录路径或
URL。[safe_download](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/utils/general.md)
首先将远程文件复制到本地缓存中。当下载失败时，该方法会记录警告并保持权重不变。该方法使用 `torch.load` 在 CPU 上读取文件，并使用
`weights_only=False`。仅加载受信任的文件，因为文件在加载时可以运行代码。加载后，该方法通过标准 `logging` 模块记录信息消息。

参数

 * `ckpt` (`str | dict[str, Tensor] | None`): 状态字典，或 `.ckpt` 文件的本地路径或 URL。文件必须在 `"state_dict"` 键下保存状态字典。`None` 或 `""` 从
   [get_weights_url](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   获取 URL。
 * `strict` (`bool`): 状态字典的键是否必须与节点的键完全匹配。该值传递给 `torch.nn.Module.load_state_dict`。当为 `True` 时，如果键不同，该方法会引发 `RuntimeError`。

引发

 * `RuntimeError`: 当 `ckpt` 是空字典时。
 * `ValueError`: 当 `ckpt` 为 `None` 且节点未覆盖
   [get_weights_url](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   时，或者当 URL 使用 `{variant}` 且没有变体构建节点时。

##### run

```python
def run(inputs: list[Packet[Tensor]]) -> Packet[Tensor]:
```

在输入包上运行节点。

该方法为每个 `forward` 参数赋值，调用节点，并将结果放入包中。参数的类型注释和名称决定其值：

 * `list[Packet[Tensor]]` 参数获取所有输入包。它必须是唯一的参数。
 * `Packet[Tensor]` 参数获取参数位置的输入包。
 * `Tensor` 或 `list[Tensor]` 参数可以具有名称 `x`、`y` 或 `z`，或以 `input` 开头的名称。然后它获取一个输入包的 `"features"` 条目。`x`、`y` 和 `z` 读取包 0、1 和 2。`input`
   或 `inputs` 后面的数字，如 `input_1`，选择该包。其他名称读取包 0。列表条目通过
   [get_attached](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。
 * 具有其他名称的 `Tensor` 或 `list[Tensor]` 参数获取具有相同键的条目，不变。特殊情况：没有包具有该键，节点有一个输入包，并且 `forward` 有一个参数。然后参数通过
   [get_attached](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   获取该包的第一个条目，并且该方法记录警告。

`forward` 可以返回一个包、一个张量或一个张量列表。该方法将张量或列表放在 `task.main_output` 键下，或者当
[task](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
为 `None` 时，放在 `"features"` 键下。

> **示例**
> ```pycon
>>> import torch
>>> from torch import Tensor
>>> from luxonis_train.nodes import BaseNode
>>> class Add(BaseNode, register=False):
...     attach_index = -1
...
...     def forward(self, x: Tensor, y: Tensor) -> Tensor:
...         return x + y
>>> packets = [
...     {"features": [torch.ones(2)]},
...     {"features": [torch.ones(2)]},
... ]
>>> Add().run(packets)["features"].tolist()
[2.0, 2.0]
```

参数

 * `inputs` (`list[Packet[Tensor]]`): 节点的每个输入一个包，按输入顺序排列。

返回

 * `Packet[Tensor]`: 节点的输出，例如 `{"features": [feature_map_1, feature_map_2]}`。

引发

 * `TypeError`: 当 `forward` 参数的注释不是上述四种类型之一时。当所需参数没有值时，对 `forward` 的调用也会引发它。
 * `RuntimeError`: 当 `list[Packet[Tensor]]` 参数不是唯一参数时，或者当输入包太少时。当读取 `"features"` 条目的参数获取没有该键的包时。当条目类型错误时，或者当两个包具有相同的键时。当 [get_attached](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 获取列表且 [attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 为 `None` 时。
 * `ValueError`: 当 `forward` 返回其他类型的值时。当 [attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 不适合通过 [get_attached](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 的条目时。

##### set_export_mode

```python
def set_export_mode(/, mode: bool):
```

开启或关闭导出模式。

该方法设置 [export](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。然后它访问节点及其所有子模块。当为 `True` 时，它会在每个 [Reparameterizable](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/blocks/reparameterizable.md) 模块上调用 `reparameterize`。当为 `False` 时，它会在每个模块上调用 `restore`。它会在调试级别记录每次调用。

参数

 * `mode` (`bool`): `True` 开启导出模式，`False` 关闭导出模式。

#### 属性

##### attach_index

节点读取的输入节点的输出。[get_attached](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 应用它。该值是一个整数索引，一个用于范围的两个或三个整数的元组，或者 `"all"` 用于所有输出。`-1` 是最后一个输出。

当子类将其保留为 `None` 时，构造函数会从 `forward` 推断它。一个带有一个注释为 `Tensor` 的参数的 `forward` 会给出 `-1`。一个带有一个注释为 `list[Tensor]` 的参数的 `forward` 会给出 `"all"`。对于任何其他带参数的 `forward`，构造函数会记录警告，并且索引保持 `None`。

##### class_names

节点任务的类名，按类索引排序。

引发

 * `RuntimeError`: 当构造函数没有获取 `dataset_metadata` 时。
 * `ValueError`: 当数据集没有名为 [task_name](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 的任务时。

##### classes

节点任务的类索引，以类名作为键。

该值始终来自 [dataset_metadata](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)，用于 [task_name](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。`n_classes` 构造函数参数不改变它。该值是一个新的 `bidict`。它的 `inverse` 将类索引映射到类名。

引发

 * `RuntimeError`: 当构造函数没有获取 `dataset_metadata` 时。
 * `ValueError`: 当数据集没有名为 [task_name](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 的任务时。

##### current_epoch

当前训练周期的编号，从 `0` 开始。[LuxonisLightningModule](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/lightning/luxonis_lightning.md) 在每个训练周期开始时设置它。

##### dataset_metadata

数据集的元数据。

引发

 * `RuntimeError`: 当构造函数没有获取 `dataset_metadata` 时。

##### export

导出模式是否开启。

节点在 `forward` 中读取它以返回导出模型的输出。赋值调用 [set_export_mode](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。

##### export_output_names

导出模型中节点输出的名称。

基本实现返回 `export_output_names` 构造函数参数。`None` 保留默认名称。

ONNX 导出仅在名称数量与节点输出数量匹配时使用这些名称。否则，它会记录警告并保留默认名称。头的 NN 存档将这些名称列为头输出。

##### in_channels

附加输入的通道数。

它是 [in_sizes](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 的倒数第三个维度，因此带或不带批次维度的形状会给出相同的值。大小列表会给出通道计数的列表。

引发

 * `RuntimeError`: 当 [in_sizes](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 找不到输入大小时。
 * `ValueError`: 当 [attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 不适合大小时。

##### in_height

附加输入的高度。

它是 [in_sizes](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 的倒数第二个维度。大小列表会给出高度列表。

引发

 * `RuntimeError`: 当 [in_sizes](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 找不到输入大小时。
 * `ValueError`: 当 [attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 不适合大小时。

##### in_sizes

附加输入的大小。

该属性使用适用的第一个规则：

 1. `in_sizes` 构造函数参数，如果已设置。
 2. 唯一输入包的 `"features"` 条目。
 3. 该包的唯一条目。
 4. 该包中键与 `forward` 参数名称匹配的条目。它们的大小必须相等，并且该属性使用第一个。

规则 2 到 4 通过 [get_attached](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 传递条目。结果是整数 [attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md) 的单个大小，以及 `"all"` 或范围的大小列表。具有多个输入或形状不符合规则的节点必须改为读取 [input_shapes](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。

> **示例**
> ```pycon
>>> from torch import Size, Tensor
>>> from luxonis_train.nodes import BaseNode
>>> class Node(BaseNode, register=False):
...     def forward(self, x: list[Tensor]) -> list[Tensor]:
...         return x
>>> shapes = [
...     {"features": [Size([2, 8, 64, 64]), Size([2, 16, 32, 32])]}
... ]
>>> node = Node(input_shapes=shapes)
>>> node.attach_index
'all'
>>> node.in_sizes
[torch.Size([2, 8, 64, 64]), torch.Size([2, 16, 32, 32])]
>>> node.in_channels, node.in_height, node.in_width
([8, 16], [64, 32], [64, 32])
```

引发

 * `RuntimeError`: 当 `input_shapes` 缺失或不包含恰好一个包时。当没有键匹配 `forward` 参数时，或者当匹配的大小不同时。当
   [attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   为 `None` 且条目为列表时。
 * `ValueError`: 当
   [attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   不适合大小时。

##### in_width

附加输入的宽度。

它是
[in_sizes](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
的最后一个维度。大小列表会给出宽度列表。

引发

 * `RuntimeError`: 当
   [in_sizes](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   找不到输入大小时。
 * `ValueError`: 当
   [attach_index](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   不适合大小时。

##### input_shapes

节点输入的形状包，每个输入一个。

模型从零张量运行中获取形状，批次大小为 2，因此形状包含批次维度。

引发

 * `RuntimeError`: 当构造函数没有获取 `input_shapes` 时。

##### n_classes

节点任务的类数。

`n_classes` 构造函数参数优先。如果没有它，该值来自
[dataset_metadata](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)，用于
[task_name](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。

引发

 * `RuntimeError`: 当构造函数既没有获取 `n_classes` 也没有获取 `dataset_metadata` 时。
 * `ValueError`: 当数据集没有名为
   [task_name](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
   的任务时。

##### n_keypoints

节点任务的关键点数量。

`n_keypoints` 构造函数参数优先。如果没有它，该值来自
[dataset_metadata](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)，用于
[task_name](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)。当数据集没有该任务的关键点时，它为
`0`。

引发

 * `RuntimeError`: 当构造函数既没有获取 `n_keypoints` 也没有获取 `dataset_metadata` 时。

##### name

节点的类名。

它不是配置中节点的别名。

##### original_in_shape

模型输入图像的形状，`[C, H, W]`。

形状不包含批次维度。

引发

 * `RuntimeError`: 当构造函数没有获取 `original_in_shape` 时。

##### remove_on_export

模型在导出模式下是否跳过该节点。

导出的模型不包含该节点。

##### T

`Tensor` 或 `Size`。

##### task

节点的任务。头设置它。当 `forward`
返回张量或张量列表时，[run](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
将结果放在 `task.main_output` 键下。当任务为 `None` 时，键为 `"features"`。

##### task_name

节点的数据集任务。当构造函数没有获取 `task_name` 时，它为 `""`。

##### variant

构建节点的变体名称。

当调用选择覆盖
[get_variants](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/base_node.md)
的节点的变体时，变体元类会设置它。`"default"` 变体解析为默认变体的名称。

引发

 * `AttributeError`: 当没有变体构建节点时。这发生在 `variant` 为 `"none"` 或 `None` 时，以及在没有变体的节点上为 `"default"` 时。因此 `hasattr(node, "variant")` 返回
   `False`。
