このクラスは、包括的な人工ニューラルネットワークの作成と操作を可能にする。続き...

#include <opencv2/dnn/dnn.hpp>

Collaboration diagram for cv::dnn::Net:

公開型
typedef DictValue	LayerId
	文字列と整数のコンテナ。

公開メンバ関数
	Net ()
	デフォルトコンストラクタ。

	~Net ()
	デストラクタは、ネットワークへの参照がもう存在しない場合にのみネットワークを解放する。

int	addLayer (const String &name, const String &type, const int &dtype, LayerParams &params)
	新しいレイヤーをネットワークに追加する。

int	addLayer (const String &name, const String &type, LayerParams &params)

int	addLayerToPrev (const String &name, const String &type, const int &dtype, LayerParams &params)
	新しいレイヤーを追加し、その最初の入力を直前に追加したレイヤーの最初の出力に接続する。

int	addLayerToPrev (const String &name, const String &type, LayerParams &params)

const ArgData &	argData (Arg arg) const

ArgKind	argKind (Arg arg) const

const std::string &	argName (Arg arg) const

Mat &	argTensor (Arg arg) const

int	argType (Arg arg) const

void	connect (int outLayerId, int outNum, int inpLayerId, int inpNum)
	最初のレイヤーの #`outNum` 番目の出力を、2番目のレイヤーの #`inNum` 番目の入力に接続する。

void	connect (String outPin, String inpPin)
	最初のレイヤーの出力を2番目のレイヤーの入力に接続する。

void	disableKVCache ()
	すべての AttentionOnnxI レイヤーでKVキャッシュを無効にする。

String	dump ()
	ネットワークを文字列にダンプする。

std::ostream &	dumpArg (std::ostream &strm, Arg arg, int indent, bool comma=true, bool dump_details=false) const

std::ostream &	dumpDim (std::ostream &strm, int value) const

void	dumpToFile (CV_WRAP_FILE_PATH const String &path)
	ネットワークの構造、ハイパーパラメータ、バックエンド、ターゲット、フュージョンをdotファイルにダンプする。

void	dumpToPbtxt (CV_WRAP_FILE_PATH const String &path)
	ネットワークの構造、ハイパーパラメータ、バックエンド、ターゲット、フュージョンをpbtxtファイルにダンプする。

void	dumpToStream (std::ostream &strm) const
	ネットワークの構造、ハイパーパラメータ、バックエンド、ターゲット、フュージョンを指定した出力ストリームにダンプする。

bool	empty () const

void	enableFusion (bool fusion)
	ネットワークのレイヤーフュージョンを有効または無効にする。

void	enableKVCache ()
	すべての AttentionOnnxI レイヤーでKVキャッシュを有効にする。

void	enableWinograd (bool useWinograd)
	Winograd計算ブランチを有効または無効にする。Winograd計算ブランチはわずかな精度の低下と引き換えに3x3畳み込みを高速化できる。

void	finalizeNet ()
	ネットワークの構成を確定し、推論の準備を整える。

int	findDim (const std::string &name, bool insert=false)

Mat	forward (const String &outputName=String())
	順伝播を実行し、名前 `outputName` のレイヤーの出力を計算する。

void	forward (CV_ND OutputArrayOfArrays outputBlobs, const std::vector< String > &outBlobNames)
	順伝播を実行し、`outBlobNames` に列挙されたレイヤーの出力を計算する。

void	forward (CV_ND OutputArrayOfArrays outputBlobs, const String &outputName=String())
	順伝播を実行し、名前 `outputName` のレイヤーの出力を計算する。

void	forward (std::vector< std::vector< Mat > > &outputBlobs, const std::vector< String > &outBlobNames)
	順伝播を実行し、`outBlobNames` に列挙されたレイヤーの出力を計算する。

AsyncArray	forwardAsync (const String &outputName=String())
	順伝播を実行し、名前 `outputName` のレイヤーの出力を計算する。

Arg	getArg (const std::string &name)

int64	getFLOPS (const int layerId, const MatShape &netInputShape, const int &netInputType) const

int64	getFLOPS (const int layerId, const std::vector< MatShape > &netInputShapes, const std::vector< int > &netInputTypes) const

int64	getFLOPS (const MatShape &netInputShape, const int &netInputType) const

int64	getFLOPS (const std::vector< MatShape > &netInputShapes, const std::vector< int > &netInputTypes) const
	指定した入力形状で、読み込まれたモデル全体のFLOPを計算する。

Impl *	getImpl () const

Impl &	getImplRef () const

Ptr< Layer >	getLayer (const LayerId &layerId) const

Ptr< Layer >	getLayer (const String &layerName) const

Ptr< Layer >	getLayer (int layerId) const
	ネットワークが使用する、指定したIDまたは名前のレイヤーへのポインタを返す。

int	getLayerId (const String &layer) const
	レイヤーの文字列名を整数の識別子に変換する。

std::vector< Ptr< Layer > >	getLayerInputs (int layerId) const
	特定のレイヤーの入力レイヤーへのポインタを返す。

std::vector< String >	getLayerNames () const

int	getLayersCount (const String &layerType) const
	指定した型のレイヤーの数を返す。

void	getLayerShapes (const MatShape &netInputShape, const int &netInputType, const int layerId, std::vector< MatShape > &inLayerShapes, std::vector< MatShape > &outLayerShapes) const
	読み込まれたモデル内の指定したIDのレイヤーについて、入力形状と出力形状を返す。事前の推論は不要である。

void	getLayerShapes (const std::vector< MatShape > &netInputShapes, const std::vector< int > &netInputTypes, const int layerId, std::vector< MatShape > &inLayerShapes, std::vector< MatShape > &outLayerShapes) const

void	getLayersShapes (const MatShape &netInputShape, const int &netInputType, std::vector< int > &layersIds, std::vector< std::vector< MatShape > > &inLayersShapes, std::vector< std::vector< MatShape > > &outLayersShapes) const

void	getLayersShapes (const std::vector< MatShape > &netInputShapes, const std::vector< int > &netInputTypes, std::vector< int > &layersIds, std::vector< std::vector< MatShape > > &inLayersShapes, std::vector< std::vector< MatShape > > &outLayersShapes) const
	読み込まれたモデル内のすべてのレイヤーについて、入力形状と出力形状を返す。事前の推論は不要である。

void	getLayerTypes (std::vector< String > &layersTypes) const
	モデルで使用されているレイヤーの型のリストを返す。

Ptr< Graph >	getMainGraph () const

void	getMemoryConsumption (const int layerId, const MatShape &netInputShape, const int &netInputType, size_t &weights, size_t &blobs) const

void	getMemoryConsumption (const int layerId, const std::vector< MatShape > &netInputShapes, const std::vector< int > &netInputTypes, size_t &weights, size_t &blobs) const

void	getMemoryConsumption (const MatShape &netInputShape, const int &netInputType, size_t &weights, size_t &blobs) const

void	getMemoryConsumption (const MatShape &netInputShape, const int &netInputType, std::vector< int > &layerIds, std::vector< size_t > &weights, std::vector< size_t > &blobs) const

void	getMemoryConsumption (const std::vector< MatShape > &netInputShapes, const std::vector< int > &netInputTypes, size_t &weights, size_t &blobs) const
	モデルのすべての重みと中間ブロブを格納するために必要なバイト数を計算する。

void	getMemoryConsumption (const std::vector< MatShape > &netInputShapes, const std::vector< int > &netInputTypes, std::vector< int > &layerIds, std::vector< size_t > &weights, std::vector< size_t > &blobs) const
	各レイヤーごとに、すべての重みと中間ブロブを格納するために必要なバイト数を計算する。

ModelFormat	getModelFormat () const
	現在のモデル形式を取得する。DNN_MODEL_* を参照。

Mat	getParam (const String &layerName, int numParam=0) const

Mat	getParam (int layer, int numParam=0) const
	レイヤーのパラメータブロブを返す。

int64	getPerfProfile (std::vector< double > &timings)
	推論全体の所要時間と、各レイヤーのタイミング（ティック単位）を返す。

void	getPerfProfile (std::vector< std::string > &names, std::vector< std::string > &timems, std::vector< std::string > &counts) const
	直前のフォワードパス中に取得したプロファイリングデータを返す。

ProfilingMode	getProfilingMode () const
	現在のプロファイリングモードを取得する。

TracingMode	getTracingMode () const
	現在のトレーシングモードを取得する。

std::vector< int >	getUnconnectedOutLayers () const
	出力が未接続のレイヤーのインデックスを返す。

std::vector< String >	getUnconnectedOutLayersNames () const
	出力が未接続のレイヤーの名前を返す。

bool	haveArg (const std::string &name) const

bool	isConstArg (Arg arg) const

void	printPerfProfile () const
	直前のフォワードパス中に取得したプロファイルを CV_LOG_INFO を用いて整形した表形式で出力する。

int	registerOutput (const std::string &outputName, int layerId, int outputPort)
	ネットワークの出力を名前付きで登録する。

void	resetKVCache ()
	すべての AttentionOnnxI レイヤーのKVキャッシュをリセットする。

void	setInput (CV_ND InputArray blob, const String &name="", double scalefactor=1.0, const Scalar &mean=Scalar())
	ネットワークの新しい入力値を設定する。

void	setInputShape (const String &inputName, const MatShape &shape)
	ネットワーク入力の形状を指定する。

void	setInputsNames (const std::vector< String > &inputBlobNames)
	ネットワークの入力擬似レイヤーの出力名を設定する。

void	setParam (const String &layerName, int numParam, CV_ND const Mat &blob)
	名前または出力テンソル名で識別されるレイヤーのパラメータブロブを設定する。

void	setParam (int layer, int numParam, CV_ND const Mat &blob)
	レイヤーの学習済みパラメータに新しい値を設定する。

void	setPreferableBackend (int backendId)
	サポートされている場合に、指定した計算バックエンドを使用するようネットワークに要求する。

void	setPreferableTarget (int targetId)
	特定のターゲットデバイス上で計算を行うようネットワークに要求する。

void	setProfilingMode (ProfilingMode profilingMode)
	プロファイリングモードを設定する。

void	setTracingMode (TracingMode tracingMode)
	トレーシングモードを設定する。

静的公開メンバ関数
static Net	readFromModelOptimizer (const std::vector< uchar > &bufferModelConfig, const std::vector< uchar > &bufferWeights)
	Intelの Model Optimizer の、中間表現 (IR) を持つメモリ内バッファからネットワークを作成する。

static Net	readFromModelOptimizer (const uchar bufferModelConfigPtr, size_t bufferModelConfigSize, const uchar bufferWeightsPtr, size_t bufferWeightsSize)
	Intelの Model Optimizer の、中間表現 (IR) を持つメモリ内バッファからネットワークを作成する。

static Net	readFromModelOptimizer (CV_WRAP_FILE_PATH const String &xml, CV_WRAP_FILE_PATH const String &bin)
	Intelの Model Optimizer の中間表現 (IR) からネットワークを作成する。

限定公開変数類
Ptr< Impl >	impl

フレンド
class	accessor::DnnNetAccessor

詳細説明

このクラスは、包括的な人工ニューラルネットワークの作成と操作を可能にする。

ニューラルネットワークは有向非巡回グラフ (DAG) として表現される。頂点は Layer インスタンスであり、辺はレイヤーの入力と出力の間の関係を指定する。

各ネットワークレイヤーは、そのネットワーク内で一意の整数IDと一意の文字列名を持つ。LayerIdはレイヤー名またはレイヤーIDのいずれかを格納できる。

このクラスはインスタンスの参照カウントをサポートする。すなわち、コピーは同一のインスタンスを指す。

例: samples/dnn/colorization.cpp, および samples/dnn/openpose.cpp。

型定義メンバ詳解

◆ LayerId

DictValue cv::dnn::Net::LayerId

文字列と整数のコンテナ。

非推奨Deprecated: int型の結果を持つ getLayerId() を使用すること。

構築子と解体子の詳解

◆ Net()

cv::dnn::Net::Net ( )

Python:
	cv.dnn.Net(		) ->	<dnn_Net object>

デフォルトコンストラクタ。

◆ ~Net()

cv::dnn::Net::~Net ( )

デストラクタは、ネットへの参照がもう存在しない場合にのみネットを解放する。

メンバ関数詳解

◆ addLayer() [1/2]

int cv::dnn::Net::addLayer	(	const String &	name,
		const String &	type,
		const int &	dtype,
		LayerParams &	params )

Python:
	cv.dnn.Net.addLayer(	name, type, dtype, params	) ->	retval

ネットに新しいレイヤを追加する。

引数

name	追加するレイヤーの一意な名前。
type	追加するレイヤーの型名 (型は LayerRegister に登録されている必要がある)。
dtype	出力ブロブのデータ型。
params	作成するレイヤーの初期化に使われる引数。

戻り値: 作成されたレイヤの一意な識別子。失敗した場合は -1。

◆ addLayer() [2/2]

int cv::dnn::Net::addLayer	(	const String &	name,
		const String &	type,
		LayerParams &	params )

Python:
	cv.dnn.Net.addLayer(	name, type, dtype, params	) ->	retval

◆ addLayerToPrev() [1/2]

int cv::dnn::Net::addLayerToPrev	(	const String &	name,
		const String &	type,
		const int &	dtype,
		LayerParams &	params )

Python:
	cv.dnn.Net.addLayerToPrev(	name, type, dtype, params	) ->	retval

新しいレイヤを追加し、その最初の入力を直前に追加したレイヤの最初の出力に接続する。

参照: addLayer()

◆ addLayerToPrev() [2/2]

int cv::dnn::Net::addLayerToPrev	(	const String &	name,
		const String &	type,
		LayerParams &	params )

Python:
	cv.dnn.Net.addLayerToPrev(	name, type, dtype, params	) ->	retval

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

◆ argData()

const ArgData & cv::dnn::Net::argData ( Arg arg ) const

◆ argKind()

ArgKind cv::dnn::Net::argKind ( Arg arg ) const

◆ argName()

const std::string & cv::dnn::Net::argName ( Arg arg ) const

◆ argTensor()

Mat & cv::dnn::Net::argTensor ( Arg arg ) const

◆ argType()

int cv::dnn::Net::argType ( Arg arg ) const

◆ connect() [1/2]

void cv::dnn::Net::connect	(	int	outLayerId,
		int	outNum,
		int	inpLayerId,
		int	inpNum )

Python:
	cv.dnn.Net.connect(	outPin, inpPin	) ->	None

1つ目のレイヤの #outNum 番目の出力を、2つ目のレイヤの #inNum 番目の入力に接続する。

引数

outLayerId	1番目のレイヤーの識別子
outNum	1番目のレイヤー出力の番号
inpLayerId	2番目のレイヤーの識別子
inpNum	2番目のレイヤー入力の番号

◆ connect() [2/2]

void cv::dnn::Net::connect	(	String	outPin,
		String	inpPin )

Python:
	cv.dnn.Net.connect(	outPin, inpPin	) ->	None

1つ目のレイヤの出力を2つ目のレイヤの入力に接続する。

引数

outPin	1番目のレイヤー出力の記述子。
inpPin	2番目のレイヤー入力の記述子。

記述子は次のテンプレート <layer_name>[.input_number] を持つ:

テンプレートの最初の部分 layer_name は、追加したレイヤの文字列名である。この部分が空の場合はネットワーク入力の擬似レイヤが使用される;
テンプレートの2つ目の省略可能な部分 input_number は、レイヤ入力の番号またはラベルのいずれかである。この部分を省略した場合は最初のレイヤ入力が使用される。

参照
setNetInputs(), Layer::inputNameToIndex(), Layer::outputNameToIndex()

◆ disableKVCache()

void cv::dnn::Net::disableKVCache ( )

Python:
	cv.dnn.Net.disableKVCache(		) ->	None

すべての AttentionOnnxI レイヤーでKVキャッシュを無効にする。

◆ dump()

String cv::dnn::Net::dump ( )

Python:
	cv.dnn.Net.dump(		) ->	retval

ネットを文字列にダンプする。

戻り値: 構造、ハイパーパラメータ、バックエンド、ターゲット、フュージョンを含む文字列。このメソッドは setInput() の後に呼び出すこと。正しいバックエンド、ターゲット、フュージョンを確認するには forward() の後に実行すること。

◆ dumpArg()

std::ostream & cv::dnn::Net::dumpArg	(	std::ostream &	strm,
		Arg	arg,
		int	indent,
		bool	comma = true,
		bool	dump_details = false ) const

◆ dumpDim()

std::ostream & cv::dnn::Net::dumpDim	(	std::ostream &	strm,
		int	value ) const

◆ dumpToFile()

void cv::dnn::Net::dumpToFile ( CV_WRAP_FILE_PATH const String & path )

Python:
	cv.dnn.Net.dumpToFile(	path	) ->	None

ネットの構造、ハイパーパラメータ、バックエンド、ターゲット、フュージョンを dot ファイルにダンプする。

引数

path	.dot 拡張子の出力ファイルへのパス

参照: dump()

◆ dumpToPbtxt()

void cv::dnn::Net::dumpToPbtxt ( CV_WRAP_FILE_PATH const String & path )

Python:
	cv.dnn.Net.dumpToPbtxt(	path	) ->	None

ネットの構造、ハイパーパラメータ、バックエンド、ターゲット、フュージョンを pbtxt ファイルにダンプする。

引数

path	.pbtxt 拡張子の出力ファイルへのパス

モデルを可視化するには Netron (https://netron.app) を使って対象ファイルを開く。このメソッドは setInput() の後に呼び出すこと。正しいバックエンド、ターゲット、フュージョンを確認するには forward() の後に実行すること。

◆ dumpToStream()

void cv::dnn::Net::dumpToStream ( std::ostream & strm ) const

ネットワークの構造、ハイパーパラメータ、バックエンド、ターゲット、フュージョンを指定した出力ストリームにダンプする。

引数

strm 対象のストリーム

◆ empty()

bool cv::dnn::Net::empty ( ) const

Python:
	cv.dnn.Net.empty(		) ->	retval

ネットワークにレイヤが存在しない場合に true を返す。

◆ enableFusion()

void cv::dnn::Net::enableFusion ( bool fusion )

Python:
	cv.dnn.Net.enableFusion(	fusion	) ->	None

ネットワークのレイヤフュージョンを有効または無効にする。

引数

fusion フュージョンを有効にする場合は true、無効にする場合は false。フュージョンはデフォルトで有効。

◆ enableKVCache()

void cv::dnn::Net::enableKVCache ( )

Python:
	cv.dnn.Net.enableKVCache(		) ->	None

すべての AttentionOnnxI レイヤーでKVキャッシュを有効にする。

◆ enableWinograd()

void cv::dnn::Net::enableWinograd ( bool useWinograd )

Python:
	cv.dnn.Net.enableWinograd(	useWinograd	) ->	None

Winograd 計算ブランチを有効または無効にする。Winograd 計算ブランチは、わずかな精度低下と引き換えに 3x3 の畳み込みを高速化できる。

引数

useWinograd Winograd 計算ブランチを有効にする場合は true。デフォルトは true。

◆ finalizeNet()

void cv::dnn::Net::finalizeNet ( )

Python:
	cv.dnn.Net.finalizeNet(		) ->	None

ネットワークの構成を確定し、推論の準備を整える。

このメソッドは setPreferableBackend() と setPreferableTarget() でバックエンド/ターゲットを設定した後、かつ最初の forward() 呼び出しの前に呼び出す必要がある。設定されたバックエンド/ターゲット上で、基盤となる実行セッション（例: ONNX Runtime セッション）を生成する。明示的に呼び出さなかった場合は、最初の forward() が自動的にこれを呼び出す。

早めに finalizeNet() を呼び出すと、一度きりのセットアップコストを予測可能なタイミングで支払い、推論の前に設定エラーを検出できる。

◆ findDim()

int cv::dnn::Net::findDim	(	const std::string &	name,
		bool	insert = false )

◆ forward() [1/4]

Mat cv::dnn::Net::forward ( const String & outputName = String() )


cv.dnn.Net.forward(	[, outputName]	) ->	retval
cv.dnn.Net.forward(	[, outputBlobs[, outputName]]	) ->	outputBlobs
cv.dnn.Net.forward(	outBlobNames[, outputBlobs]	) ->	outputBlobs
cv.dnn.Net.forwardAndRetrieve(	outBlobNames	) ->	outputBlobs

名前が outputName のレイヤの出力を計算するために順伝播を実行する。

引数

outputName 出力を取得したいレイヤーの名前

戻り値: 指定したレイヤの最初の出力のブロブ。

デフォルトではネットワーク全体の順伝播を実行する。

例: samples/dnn/colorization.cpp、および samples/dnn/openpose.cpp。

◆ forward() [2/4]

void cv::dnn::Net::forward	(	CV_ND OutputArrayOfArrays	outputBlobs,
		const std::vector< String > &	outBlobNames )


cv.dnn.Net.forward(	[, outputName]	) ->	retval
cv.dnn.Net.forward(	[, outputBlobs[, outputName]]	) ->	outputBlobs
cv.dnn.Net.forward(	outBlobNames[, outputBlobs]	) ->	outputBlobs
cv.dnn.Net.forwardAndRetrieve(	outBlobNames	) ->	outputBlobs

outBlobNames に列挙されたレイヤの出力を計算するために順伝播を実行する。

引数

outputBlobs	指定されたレイヤーの最初の出力のブロブを格納する。
outBlobNames	出力を取得したいレイヤーの名前

◆ forward() [3/4]

void cv::dnn::Net::forward	(	CV_ND OutputArrayOfArrays	outputBlobs,
		const String &	outputName = String() )


cv.dnn.Net.forward(	[, outputName]	) ->	retval
cv.dnn.Net.forward(	[, outputBlobs[, outputName]]	) ->	outputBlobs
cv.dnn.Net.forward(	outBlobNames[, outputBlobs]	) ->	outputBlobs
cv.dnn.Net.forwardAndRetrieve(	outBlobNames	) ->	outputBlobs

名前が outputName のレイヤの出力を計算するために順伝播を実行する。

引数

outputBlobs	指定されたレイヤーのすべての出力ブロブを格納する。
outputName	出力を取得したいレイヤーの名前

outputName が空の場合、ネットワーク全体の順伝播を実行する。

◆ forward() [4/4]

void cv::dnn::Net::forward	(	std::vector< std::vector< Mat > > &	outputBlobs,
		const std::vector< String > &	outBlobNames )


cv.dnn.Net.forward(	[, outputName]	) ->	retval
cv.dnn.Net.forward(	[, outputBlobs[, outputName]]	) ->	outputBlobs
cv.dnn.Net.forward(	outBlobNames[, outputBlobs]	) ->	outputBlobs
cv.dnn.Net.forwardAndRetrieve(	outBlobNames	) ->	outputBlobs

outBlobNames に列挙されたレイヤの出力を計算するために順伝播を実行する。

引数

outputBlobs	`outBlobNames` で指定された各レイヤーのすべての出力ブロブを格納する。
outBlobNames	出力を取得したいレイヤーの名前

◆ forwardAsync()

AsyncArray cv::dnn::Net::forwardAsync ( const String & outputName = String() )

Python:
	cv.dnn.Net.forwardAsync(	[, outputName]	) ->	retval

名前が outputName のレイヤの出力を計算するために順伝播を実行する。

引数

outputName 出力を取得したいレイヤーの名前

デフォルトではネットワーク全体の順伝播を実行する。

これは forward(const String&) の非同期版である。dnn::DNN_BACKEND_INFERENCE_ENGINE バックエンドが必要である。

◆ getArg()

Arg cv::dnn::Net::getArg ( const std::string & name )

◆ getFLOPS() [1/4]

int64 cv::dnn::Net::getFLOPS	(	const int	layerId,
		const MatShape &	netInputShape,
		const int &	netInputType ) const

Python:
	cv.dnn.Net.getFLOPS(	netInputShapes, netInputTypes	) ->	retval

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

◆ getFLOPS() [2/4]

int64 cv::dnn::Net::getFLOPS	(	const int	layerId,
		const std::vector< MatShape > &	netInputShapes,
		const std::vector< int > &	netInputTypes ) const

Python:
	cv.dnn.Net.getFLOPS(	netInputShapes, netInputTypes	) ->	retval

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

◆ getFLOPS() [3/4]

int64 cv::dnn::Net::getFLOPS	(	const MatShape &	netInputShape,
		const int &	netInputType ) const

Python:
	cv.dnn.Net.getFLOPS(	netInputShapes, netInputTypes	) ->	retval

これは利便性のために提供されるオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。これらのオーバーロードは非推奨とすべきである

◆ getFLOPS() [4/4]

int64 cv::dnn::Net::getFLOPS	(	const std::vector< MatShape > &	netInputShapes,
		const std::vector< int > &	netInputTypes ) const

Python:
	cv.dnn.Net.getFLOPS(	netInputShapes, netInputTypes	) ->	retval

指定した入力形状でロード済みモデル全体の FLOP を計算する。

引数

netInputShapes	すべてのネット入力に対する形状のベクトル。
netInputTypes	すべてのネットワーク入力に対する型のベクトル。

戻り値: 計算された FLOP。

◆ getImpl()

Impl * cv::dnn::Net::getImpl ( ) const

inline

◆ getImplRef()

Impl & cv::dnn::Net::getImplRef ( ) const

inline

◆ getLayer() [1/3]

Ptr< Layer > cv::dnn::Net::getLayer ( const LayerId & layerId ) const

Python:
	cv.dnn.Net.getLayer(	layerId	) ->	retval
	cv.dnn.Net.getLayer(	layerName	) ->	retval

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

非推奨Deprecated: 削除予定

◆ getLayer() [2/3]

Ptr< Layer > cv::dnn::Net::getLayer ( const String & layerName ) const

inline

Python:
	cv.dnn.Net.getLayer(	layerId	) ->	retval
	cv.dnn.Net.getLayer(	layerName	) ->	retval

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

非推奨Deprecated: int getLayerId(const String &layer) を使用すること

この関数の呼び出しグラフ:

◆ getLayer() [3/3]

Ptr< Layer > cv::dnn::Net::getLayer ( int layerId ) const

Python:
	cv.dnn.Net.getLayer(	layerId	) ->	retval
	cv.dnn.Net.getLayer(	layerName	) ->	retval

ネットワークが使用する、指定した id または名前のレイヤへのポインタを返す。

◆ getLayerId()

int cv::dnn::Net::getLayerId ( const String & layer ) const

Python:
	cv.dnn.Net.getLayerId(	layer	) ->	retval

レイヤの文字列名を整数の識別子に変換する。

戻り値: レイヤの id。レイヤが見つからなかった場合は -1。

◆ getLayerInputs()

std::vector< Ptr< Layer > > cv::dnn::Net::getLayerInputs ( int layerId ) const

特定のレイヤの入力レイヤへのポインタを返す。

◆ getLayerNames()

std::vector< String > cv::dnn::Net::getLayerNames ( ) const

Python:
	cv.dnn.Net.getLayerNames(		) ->	retval

◆ getLayersCount()

int cv::dnn::Net::getLayersCount ( const String & layerType ) const

Python:
	cv.dnn.Net.getLayersCount(	layerType	) ->	retval

指定した型のレイヤの数を返す。

引数

layerType 型。

戻り値: レイヤの数

◆ getLayerShapes() [1/2]

void cv::dnn::Net::getLayerShapes	(	const MatShape &	netInputShape,
		const int &	netInputType,
		const int	layerId,
		std::vector< MatShape > &	inLayerShapes,
		std::vector< MatShape > &	outLayerShapes ) const

Python:
	cv.dnn.Net.getLayerShapes(	netInputShapes, netInputTypes, layerId	) ->	inLayerShapes, outLayerShapes

ロード済みモデル内の指定した id を持つレイヤの入力形状と出力形状を返す。事前の推論は不要である。

引数

netInputShape	ネット入力レイヤーにおける入力ブロブの形状。
netInputType	ネットワークの入力レイヤーにおける入力型。
layerId	レイヤーのid。
inLayerShapes	入力レイヤーの形状を返すための出力パラメータ。順序は layersIds と同じ。
outLayerShapes	出力レイヤーの形状を格納する出力パラメータ。順序は layersIds と同じである。

このオーバーロードは非推奨とすべきである

◆ getLayerShapes() [2/2]

void cv::dnn::Net::getLayerShapes	(	const std::vector< MatShape > &	netInputShapes,
		const std::vector< int > &	netInputTypes,
		const int	layerId,
		std::vector< MatShape > &	inLayerShapes,
		std::vector< MatShape > &	outLayerShapes ) const

Python:
	cv.dnn.Net.getLayerShapes(	netInputShapes, netInputTypes, layerId	) ->	inLayerShapes, outLayerShapes

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

5.x で残すべき getLayerShapes の唯一のオーバーロード

◆ getLayersShapes() [1/2]

void cv::dnn::Net::getLayersShapes	(	const MatShape &	netInputShape,
		const int &	netInputType,
		std::vector< int > &	layersIds,
		std::vector< std::vector< MatShape > > &	inLayersShapes,
		std::vector< std::vector< MatShape > > &	outLayersShapes ) const

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

このオーバーロードは非推奨とすべきである

◆ getLayersShapes() [2/2]

void cv::dnn::Net::getLayersShapes	(	const std::vector< MatShape > &	netInputShapes,
		const std::vector< int > &	netInputTypes,
		std::vector< int > &	layersIds,
		std::vector< std::vector< MatShape > > &	inLayersShapes,
		std::vector< std::vector< MatShape > > &	outLayersShapes ) const

ロード済みモデル内の全レイヤの入力形状と出力形状を返す。事前の推論は不要である。

引数

netInputShapes	ネットワークの入力レイヤーにおける、すべての入力ブロブの形状。
netInputTypes	ネットワークの入力レイヤーにおけるすべての入力ブロブの型。
layersIds	レイヤーIDを格納する出力パラメータ。
inLayersShapes	入力レイヤーの形状を返すための出力パラメータ。順序は layersIds と同じ。
outLayersShapes	出力レイヤーの形状を格納する出力パラメータ。順序は layersIds と同じである。

このオーバーロードは非推奨とすべきである

◆ getLayerTypes()

void cv::dnn::Net::getLayerTypes ( std::vector< String > & layersTypes ) const

Python:
	cv.dnn.Net.getLayerTypes(		) ->	layersTypes

モデル内で使用されているレイヤの型のリストを返す。

引数

layersTypes 型を返すための出力パラメータ。

◆ getMainGraph()

Ptr< Graph > cv::dnn::Net::getMainGraph ( ) const

◆ getMemoryConsumption() [1/6]

void cv::dnn::Net::getMemoryConsumption	(	const int	layerId,
		const MatShape &	netInputShape,
		const int &	netInputType,
		size_t &	weights,
		size_t &	blobs ) const

Python:
	cv.dnn.Net.getMemoryConsumption(	netInputShapes, netInputTypes	) ->	weights, blobs

これは利便性のために提供されるオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。これは非推奨とすべきである

◆ getMemoryConsumption() [2/6]

void cv::dnn::Net::getMemoryConsumption	(	const int	layerId,
		const std::vector< MatShape > &	netInputShapes,
		const std::vector< int > &	netInputTypes,
		size_t &	weights,
		size_t &	blobs ) const

Python:
	cv.dnn.Net.getMemoryConsumption(	netInputShapes, netInputTypes	) ->	weights, blobs

これは利便性のために提供されるオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。これは非推奨とすべきである

◆ getMemoryConsumption() [3/6]

void cv::dnn::Net::getMemoryConsumption	(	const MatShape &	netInputShape,
		const int &	netInputType,
		size_t &	weights,
		size_t &	blobs ) const

Python:
	cv.dnn.Net.getMemoryConsumption(	netInputShapes, netInputTypes	) ->	weights, blobs

これは利便性のために提供されるオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。これは非推奨とすべきである

◆ getMemoryConsumption() [4/6]

void cv::dnn::Net::getMemoryConsumption	(	const MatShape &	netInputShape,
		const int &	netInputType,
		std::vector< int > &	layerIds,
		std::vector< size_t > &	weights,
		std::vector< size_t > &	blobs ) const

Python:
	cv.dnn.Net.getMemoryConsumption(	netInputShapes, netInputTypes	) ->	weights, blobs

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

これは非推奨とすべきである

◆ getMemoryConsumption() [5/6]

void cv::dnn::Net::getMemoryConsumption	(	const std::vector< MatShape > &	netInputShapes,
		const std::vector< int > &	netInputTypes,
		size_t &	weights,
		size_t &	blobs ) const

Python:
	cv.dnn.Net.getMemoryConsumption(	netInputShapes, netInputTypes	) ->	weights, blobs

モデルの全ての重みと中間ブロブを格納するために必要なバイト数を計算する。

引数

netInputShapes	すべてのネット入力に対する形状のベクトル。
netInputTypes	すべてのネットワーク入力に対する型のベクトル。
weights	重みの結果バイト数を格納する出力パラメータ。
blobs	中間ブロブの結果バイト数を格納する出力パラメータ。

◆ getMemoryConsumption() [6/6]

void cv::dnn::Net::getMemoryConsumption	(	const std::vector< MatShape > &	netInputShapes,
		const std::vector< int > &	netInputTypes,
		std::vector< int > &	layerIds,
		std::vector< size_t > &	weights,
		std::vector< size_t > &	blobs ) const

Python:
	cv.dnn.Net.getMemoryConsumption(	netInputShapes, netInputTypes	) ->	weights, blobs

各レイヤの全ての重みと中間ブロブを格納するために必要なバイト数を計算する。

引数

netInputShapes	すべてのネット入力に対する形状のベクトル。
netInputTypes	すべてのネットワーク入力に対する型のベクトル。
layerIds	レイヤーIDを保存する出力ベクトル。
weights	重みの結果バイト数を格納する出力パラメータ。
blobs	中間ブロブの結果バイト数を格納する出力パラメータ。

これは非推奨とすべきである

◆ getModelFormat()

ModelFormat cv::dnn::Net::getModelFormat ( ) const

Python:
	cv.dnn.Net.getModelFormat(		) ->	retval

現在のモデル形式を取得する。DNN_MODEL_* を参照。

◆ getParam() [1/2]

Mat cv::dnn::Net::getParam	(	const String &	layerName,
		int	numParam = 0 ) const

inline

Python:
	cv.dnn.Net.getParam(	layer[, numParam]	) ->	retval
	cv.dnn.Net.getParam(	layerName[, numParam]	) ->	retval

この関数の呼び出しグラフ:

◆ getParam() [2/2]

Mat cv::dnn::Net::getParam	(	int	layer,
		int	numParam = 0 ) const

Python:
	cv.dnn.Net.getParam(	layer[, numParam]	) ->	retval
	cv.dnn.Net.getParam(	layerName[, numParam]	) ->	retval

レイヤのパラメータブロブを返す。

引数

layer	レイヤーの名前またはID。
numParam	Layer::blobs 配列内におけるレイヤーパラメータのインデックス。

参照: Layer::blobs

◆ getPerfProfile() [1/2]

int64 cv::dnn::Net::getPerfProfile ( std::vector< double > & timings )

Python:
	cv.dnn.Net.getPerfProfile(		) ->	retval, timings
	cv.dnn.Net.getPerfProfile(		) ->	names, timems, counts

推論の総時間と、各レイヤのタイミング (ティック単位) を返す。

返されるベクトルのインデックスはレイヤの id に対応する。一部のレイヤは他のレイヤと融合されることがあり、その場合スキップされたレイヤに対してはティック数 0 が返される。DNN_TARGET_CPU 上の DNN_BACKEND_OPENCV でのみサポートされる。

引数

[out] timings すべてのレイヤーのティックタイミングを格納するベクトル。

戻り値: モデル推論の総ティック数。

◆ getPerfProfile() [2/2]

void cv::dnn::Net::getPerfProfile	(	std::vector< std::string > &	names,
		std::vector< std::string > &	timems,
		std::vector< std::string > &	counts ) const

Python:
	cv.dnn.Net.getPerfProfile(		) ->	retval, timings
	cv.dnn.Net.getPerfProfile(		) ->	names, timems, counts

直近の forward パスで取得されたプロファイリングデータを返す。

エントリは時間の降順でソートされる。プロファイリングが無効（DNN_PROFILE_NONE）の場合は空のベクトルが返される。

◆ getProfilingMode()

ProfilingMode cv::dnn::Net::getProfilingMode ( ) const

Python:
	cv.dnn.Net.getProfilingMode(		) ->	retval

現在のプロファイリングモードを取得する。

◆ getTracingMode()

TracingMode cv::dnn::Net::getTracingMode ( ) const

Python:
	cv.dnn.Net.getTracingMode(		) ->	retval

現在のトレーシングモードを取得する。

◆ getUnconnectedOutLayers()

std::vector< int > cv::dnn::Net::getUnconnectedOutLayers ( ) const

Python:
	cv.dnn.Net.getUnconnectedOutLayers(		) ->	retval

出力が未接続のレイヤのインデックスを返す。

FIXIT: API を registerOutput() 方式に作り直し、この呼び出しを非推奨にする

◆ getUnconnectedOutLayersNames()

std::vector< String > cv::dnn::Net::getUnconnectedOutLayersNames ( ) const

Python:
	cv.dnn.Net.getUnconnectedOutLayersNames(		) ->	retval

出力が未接続のレイヤの名前を返す。

FIXIT: API を registerOutput() 方式に作り直し、この呼び出しを非推奨にする

◆ haveArg()

bool cv::dnn::Net::haveArg ( const std::string & name ) const

◆ isConstArg()

bool cv::dnn::Net::isConstArg ( Arg arg ) const

◆ printPerfProfile()

void cv::dnn::Net::printPerfProfile ( ) const

Python:
	cv.dnn.Net.printPerfProfile(		) ->	None

直近の forward パスで取得されたプロファイルを、CV_LOG_INFO を用いて整形された表形式で出力する。

DNN_PROFILE_DETAILED モードでは、レイヤごとのラベル、時間、割合を出力する。DNN_PROFILE_SUMMARY モードでは、型ごとの件数、時間、割合を出力する。プロファイリングが無効（DNN_PROFILE_NONE）の場合、またはすべての計測値がゼロの場合は何もしない。

◆ readFromModelOptimizer() [1/3]

static Net cv::dnn::Net::readFromModelOptimizer	(	const std::vector< uchar > &	bufferModelConfig,
		const std::vector< uchar > &	bufferWeights )

static


cv.dnn.Net.readFromModelOptimizer(	xml, bin	) ->	retval
cv.dnn.Net.readFromModelOptimizer(	bufferModelConfig, bufferWeights	) ->	retval
cv.dnn.Net_readFromModelOptimizer(	xml, bin	) ->	retval
cv.dnn.Net_readFromModelOptimizer(	bufferModelConfig, bufferWeights	) ->	retval

中間表現 (IR) を持つ Intel の Model Optimizer のメモリ内バッファからネットワークを作成する。

引数

[in]	bufferModelConfig	モデルの構成を格納したバッファ。
[in]	bufferWeights	モデルの学習済み重みを格納したバッファ。

戻り値: Net オブジェクト。

◆ readFromModelOptimizer() [2/3]

static Net cv::dnn::Net::readFromModelOptimizer	(	const uchar *	bufferModelConfigPtr,
		size_t	bufferModelConfigSize,
		const uchar *	bufferWeightsPtr,
		size_t	bufferWeightsSize )

static


cv.dnn.Net.readFromModelOptimizer(	xml, bin	) ->	retval
cv.dnn.Net.readFromModelOptimizer(	bufferModelConfig, bufferWeights	) ->	retval
cv.dnn.Net_readFromModelOptimizer(	xml, bin	) ->	retval
cv.dnn.Net_readFromModelOptimizer(	bufferModelConfig, bufferWeights	) ->	retval

中間表現 (IR) を持つ Intel の Model Optimizer のメモリ内バッファからネットワークを作成する。

引数

[in]	bufferModelConfigPtr	モデルの構成のバッファポインタ。
[in]	bufferModelConfigSize	モデルの構成のバッファサイズ。
[in]	bufferWeightsPtr	モデルの学習済み重みのバッファポインタ。
[in]	bufferWeightsSize	モデルの学習済み重みのバッファサイズ。

戻り値: Net オブジェクト。

◆ readFromModelOptimizer() [3/3]

static Net cv::dnn::Net::readFromModelOptimizer	(	CV_WRAP_FILE_PATH const String &	xml,
		CV_WRAP_FILE_PATH const String &	bin )

static


cv.dnn.Net.readFromModelOptimizer(	xml, bin	) ->	retval
cv.dnn.Net.readFromModelOptimizer(	bufferModelConfig, bufferWeights	) ->	retval
cv.dnn.Net_readFromModelOptimizer(	xml, bin	) ->	retval
cv.dnn.Net_readFromModelOptimizer(	bufferModelConfig, bufferWeights	) ->	retval

Intel の Model Optimizer の中間表現 (IR) からネットワークを作成する。

引数

[in]	xml	ネットワークのトポロジーを記述した XML 構成ファイル。
[in]	bin	学習済み重みを格納したバイナリファイル。Intelの Model Optimizer からインポートされたネットワークは、IntelのInference Engineバックエンドで実行される。

◆ registerOutput()

int cv::dnn::Net::registerOutput	(	const std::string &	outputName,
		int	layerId,
		int	outputPort )

Python:
	cv.dnn.Net.registerOutput(	outputName, layerId, outputPort	) ->	retval

ネットワーク出力を名前付きで登録する。

この関数は追加の 'Identity' レイヤを作成することがある。

引数

outputName	出力の識別子
layerId	2番目のレイヤーの識別子
outputPort	2番目のレイヤー入力の番号

戻り値: 束縛されたレイヤのインデックス (layerId と同じか、新たに作成されたもの)

◆ resetKVCache()

void cv::dnn::Net::resetKVCache ( )

Python:
	cv.dnn.Net.resetKVCache(		) ->	None

すべての AttentionOnnxI レイヤの KV-Cache をリセットする。

◆ setInput()

void cv::dnn::Net::setInput	(	CV_ND InputArray	blob,
		const String &	name = "",
		double	scalefactor = 1.0,
		const Scalar &	mean = Scalar() )

Python:
	cv.dnn.Net.setInput(	blob[, name[, scalefactor[, mean]]]	) ->	None

ネットワークに新しい入力値を設定する。

引数

blob	新しいブロブ。ビット深度は CV_32F または CV_8U であるべきである。
name	入力レイヤーの名前。
scalefactor	省略可能な正規化スケール。
mean	省略可能な平均値の減算値。

参照: 記述子の format を知るには connect(String, String) を参照すること。

スケール値または平均値が指定された場合、最終的な入力ブロブは次のように計算される:

\[input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\]

例: samples/dnn/colorization.cpp、および samples/dnn/openpose.cpp。

◆ setInputShape()

void cv::dnn::Net::setInputShape	(	const String &	inputName,
		const MatShape &	shape )

Python:
	cv.dnn.Net.setInputShape(	inputName, shape	) ->	None

ネットワーク入力の形状を指定する。

◆ setInputsNames()

void cv::dnn::Net::setInputsNames ( const std::vector< String > & inputBlobNames )

Python:
	cv.dnn.Net.setInputsNames(	inputBlobNames	) ->	None

ネットワーク入力の擬似レイヤの出力名を設定する。

各ネットは常に id=0 を持つ専用のネットワーク入力擬似レイヤを持つ。このレイヤはユーザーのブロブのみを格納し、何の計算も行わない。実際、このレイヤはユーザーデータをネットワークに渡す唯一の手段を提供する。他のレイヤと同様に、このレイヤは自身の出力にラベルを付けることができ、この関数はそれを簡単に行う手段を提供する。

◆ setParam() [1/2]

void cv::dnn::Net::setParam	(	const String &	layerName,
		int	numParam,
		CV_ND const Mat &	blob )

Python:
	cv.dnn.Net.setParam(	layer, numParam, blob	) ->	None
	cv.dnn.Net.setParam(	layerName, numParam, blob	) ->	None

名前または出力テンソル名で識別されるレイヤのパラメータ blob を設定する。

引数

layerName	レイヤー名（クラシックエンジン）または生のONNX出力テンソル名（ENGINE_NEW）。
numParam	更新する定数の重み入力のインデックス（0 = カーネル、1 = バイアス、など）。
blob	新しいパラメータ値。

◆ setParam() [2/2]

void cv::dnn::Net::setParam	(	int	layer,
		int	numParam,
		CV_ND const Mat &	blob )

Python:
	cv.dnn.Net.setParam(	layer, numParam, blob	) ->	None
	cv.dnn.Net.setParam(	layerName, numParam, blob	) ->	None

レイヤの学習済みパラメータに新しい値を設定する。

引数

layer	レイヤーの名前またはID。
numParam	Layer::blobs 配列内におけるレイヤーパラメータのインデックス。
blob	新しい値。

参照: Layer::blobs

覚え書き: 新しいブロブの形状が以前の形状と異なる場合、以降の順伝播が失敗することがある。

◆ setPreferableBackend()

void cv::dnn::Net::setPreferableBackend ( int backendId )

Python:
	cv.dnn.Net.setPreferableBackend(	backendId	) ->	None

サポートされている場合に、ネットワークに特定の計算バックエンドを使用するよう指示する。

引数

[in] backendId バックエンド識別子。

参照: Backend

例: samples/dnn/colorization.cpp.

◆ setPreferableTarget()

void cv::dnn::Net::setPreferableTarget ( int targetId )

Python:
	cv.dnn.Net.setPreferableTarget(	targetId	) ->	None

特定のターゲットデバイス上で計算を行うようネットワークに指示する。

引数

[in] targetId ターゲット識別子。

参照: Target

サポートされているバックエンド / ターゲットの組み合わせの一覧:

	DNN_BACKEND_OPENCV	DNN_BACKEND_INFERENCE_ENGINE	DNN_BACKEND_CUDA
DNN_TARGET_CPU	+	+
DNN_TARGET_OPENCL	+	+
DNN_TARGET_OPENCL_FP16	+	+
DNN_TARGET_MYRIAD		+
DNN_TARGET_FPGA		+
DNN_TARGET_CUDA			+
DNN_TARGET_CUDA_FP16			+
DNN_TARGET_HDDL		+

例: samples/dnn/colorization.cpp.

◆ setProfilingMode()

void cv::dnn::Net::setProfilingMode ( ProfilingMode profilingMode )

Python:
	cv.dnn.Net.setProfilingMode(	profilingMode	) ->	None

プロファイリングモードを設定する。

引数

[in] profilingMode プロファイリングモード。DNN_PROFILE_* を参照。

◆ setTracingMode()

void cv::dnn::Net::setTracingMode ( TracingMode tracingMode )

Python:
	cv.dnn.Net.setTracingMode(	tracingMode	) ->	None

トレーシングモードを設定する。

引数

[in] tracingMode トレーシングモード。DNN_TRACE_* を参照。

Friends And Related Symbol Documentation

◆ accessor::DnnNetAccessor

friend class accessor::DnnNetAccessor

friend

メンバ変数詳解

◆ impl

Ptr<Impl> cv::dnn::Net::impl

protected

このクラス詳解は次のファイルから抽出されました:

opencv2/dnn/dnn.hpp

公開型

公開メンバ関数

静的公開メンバ関数

限定公開変数類

フレンド

詳細説明

型定義メンバ詳解

◆ LayerId

構築子と解体子の詳解

◆ Net()

◆ ~Net()

メンバ関数詳解

◆ addLayer() [1/2]

◆ addLayer() [2/2]

◆ addLayerToPrev() [1/2]

◆ addLayerToPrev() [2/2]

◆ argData()

◆ argKind()

◆ argName()

◆ argTensor()

◆ argType()

◆ connect() [1/2]

◆ connect() [2/2]

◆ disableKVCache()

◆ dump()

◆ dumpArg()

◆ dumpDim()

◆ dumpToFile()

◆ dumpToPbtxt()

◆ dumpToStream()

◆ empty()

◆ enableFusion()

◆ enableKVCache()

◆ enableWinograd()

◆ finalizeNet()

◆ findDim()

◆ forward() [1/4]

◆ forward() [2/4]

◆ forward() [3/4]

◆ forward() [4/4]

◆ forwardAsync()

◆ getArg()

◆ getFLOPS() [1/4]

◆ getFLOPS() [2/4]

◆ getFLOPS() [3/4]

◆ getFLOPS() [4/4]

◆ getImpl()

◆ getImplRef()

◆ getLayer() [1/3]

◆ getLayer() [2/3]

◆ getLayer() [3/3]

◆ getLayerId()

◆ getLayerInputs()

◆ getLayerNames()

◆ getLayersCount()

◆ getLayerShapes() [1/2]

◆ getLayerShapes() [2/2]

◆ getLayersShapes() [1/2]

◆ getLayersShapes() [2/2]

◆ getLayerTypes()

◆ getMainGraph()

◆ getMemoryConsumption() [1/6]

◆ getMemoryConsumption() [2/6]

◆ getMemoryConsumption() [3/6]

◆ getMemoryConsumption() [4/6]

◆ getMemoryConsumption() [5/6]

◆ getMemoryConsumption() [6/6]

◆ getModelFormat()

◆ getParam() [1/2]

◆ getParam() [2/2]

◆ getPerfProfile() [1/2]

◆ getPerfProfile() [2/2]

◆ getProfilingMode()

◆ getTracingMode()

◆ getUnconnectedOutLayers()

◆ getUnconnectedOutLayersNames()

◆ haveArg()

◆ isConstArg()

◆ printPerfProfile()

◆ readFromModelOptimizer() [1/3]