java.lang.Object
- org.opencv.dnn.Net

```
public class Net
extends java.lang.Object
```
此类允许创建和操作全面的人工神经网络。神经网络表示为有向无环图 (DAG)，其中顶点是 Layer 实例，边指定层输入和输出之间的关系。每个网络层在其网络内都有唯一的整数 ID 和唯一的字符串名称。LayerId 可以存储层名称或层 ID。此类支持其实例的引用计数，即副本指向相同的实例。

字段摘要

字段
修饰符和类型字段描述

protected long nativeObj

构造函数摘要

构造函数
修饰符构造函数描述

Net()

protected Net(long addr)

方法摘要

所有方法静态方法实例方法具体方法已弃用方法
修饰符和类型	方法	描述
`static Net`	`__fromPtr__(long addr)`
`void`	`connect(java.lang.String outPin, java.lang.String inpPin)`	将第一层的输出连接到第二层的输入。
`java.lang.String`	`dump()`	将网络转储到字符串
`void`	`dumpToFile(java.lang.String path)`	将网络结构、超参数、后端、目标和融合转储到点文件
`void`	`dumpToPbtxt(java.lang.String path)`	将网络结构、超参数、后端、目标和融合转储到 pbtxt 文件
`boolean`	`empty()`	如果网络中没有层，则返回 true。
`void`	`enableFusion(boolean fusion)`	启用或禁用网络中的层融合。
`void`	`enableWinograd(boolean useWinograd)`	启用或禁用 Winograd 计算分支。
`protected void`	`finalize()`
`Mat`	`forward()`	运行前向传递以计算名称为 `outputName` 的层的输出。
`Mat`	`forward(java.lang.String outputName)`	运行前向传递以计算名称为 `outputName` 的层的输出。
`void`	`forward(java.util.List<Mat> outputBlobs)`	运行前向传递以计算名称为 `outputName` 的层的输出。
`void`	`forward(java.util.List<Mat> outputBlobs, java.lang.String outputName)`	运行前向传递以计算名称为 `outputName` 的层的输出。
`void`	`forward(java.util.List<Mat> outputBlobs, java.util.List<java.lang.String> outBlobNames)`	运行前向传递以计算 `outBlobNames` 中列出的层的输出。
`long`	`getFLOPS(int layerId, java.util.List<MatOfInt> netInputShapes)`
`long`	`getFLOPS(int layerId, MatOfInt netInputShape)`
`long`	`getFLOPS(java.util.List<MatOfInt> netInputShapes)`	使用指定的输入形状计算整个加载模型的 FLOP。
`long`	`getFLOPS(MatOfInt netInputShape)`
`void`	`getInputDetails(MatOfFloat scales, MatOfInt zeropoints)`	返回量化网络的输入比例和零点。
`Layer`	`getLayer(int layerId)`	返回网络使用的具有指定 ID 或名称的层的指针。
`Layer`	`getLayer(java.lang.String layerName)`	已弃用。使用 int getLayerId(const String &layer)
`Layer`	`getLayer(DictValue layerId)`	已弃用。即将删除
`int`	`getLayerId(java.lang.String layer)`	将层的字符串名称转换为整数标识符。
`java.util.List<java.lang.String>`	`getLayerNames()`
`int`	`getLayersCount(java.lang.String layerType)`	返回指定类型的层的数量。
`void`	`getLayerTypes(java.util.List<java.lang.String> layersTypes)`	返回模型中使用的层的类型列表。
`void`	`getMemoryConsumption(int layerId, java.util.List<MatOfInt> netInputShapes, long[] weights, long[] blobs)`
`void`	`getMemoryConsumption(int layerId, MatOfInt netInputShape, long[] weights, long[] blobs)`
`void`	`getMemoryConsumption(MatOfInt netInputShape, long[] weights, long[] blobs)`
`long`	`getNativeObjAddr()`
`void`	`getOutputDetails(MatOfFloat scales, MatOfInt zeropoints)`	返回量化网络的输出比例和零点。
`Mat`	`getParam(int layer)`	返回层的参数 blob。
`Mat`	`getParam(int layer, int numParam)`	返回层的参数 blob。
`Mat`	`getParam(java.lang.String layerName)`
`Mat`	`getParam(java.lang.String layerName, int numParam)`
`long`	`getPerfProfile(MatOfDouble timings)`	返回推理的总时间和各层的计时 (以时钟周期计)。
`MatOfInt`	`getUnconnectedOutLayers()`	返回输出未连接的层的索引。
`java.util.List<java.lang.String>`	`getUnconnectedOutLayersNames()`	返回输出未连接的层的名称。
`Net`	`quantize(java.util.List<Mat> calibData, int inputsDtype, int outputsDtype)`	将浮点型网络转换为量化网络。
`Net`	`quantize(java.util.List<Mat> calibData, int inputsDtype, int outputsDtype, boolean perChannel)`	将浮点型网络转换为量化网络。
`static Net`	`readFromModelOptimizer(java.lang.String xml, java.lang.String bin)`	从Intel的模型优化器中间表示（IR）创建网络。
`static Net`	`readFromModelOptimizer(MatOfByte bufferModelConfig, MatOfByte bufferWeights)`	从Intel模型优化器的内存缓冲区中创建网络，使用中间表示（IR）。
`void`	`setHalideScheduler(java.lang.String scheduler)`	编译Halide层。
`void`	`setInput(Mat blob)`	设置网络的新输入值。
`void`	`setInput(Mat blob, java.lang.String name)`	设置网络的新输入值。
`void`	`setInput(Mat blob, java.lang.String name, double scalefactor)`	设置网络的新输入值。
`void`	`setInput(Mat blob, java.lang.String name, double scalefactor, Scalar mean)`	设置网络的新输入值。
`void`	`setInputShape(java.lang.String inputName, MatOfInt shape)`	指定网络输入的形状。
`void`	`setInputsNames(java.util.List<java.lang.String> inputBlobNames)`	设置网络输入伪层的输出名称。
`void`	`setParam(int layer, int numParam, Mat blob)`	设置层的学习参数的新值。
`void`	`setParam(java.lang.String layerName, int numParam, Mat blob)`
`void`	`setPreferableBackend(int backendId)`	要求网络使用支持的特定计算后端。
`void`	`setPreferableTarget(int targetId)`	要求网络在特定目标设备上进行计算。

继承自类 java.lang.Object的方法
clone, equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

- 字段详情
  - nativeObj
```
protected final long nativeObj
```
- 构造函数详情
  - Net
```
protected Net(long addr)
```
  - Net
```
public Net()
```
- 方法详情
  - getNativeObjAddr
```
public long getNativeObjAddr()
```
  - __fromPtr__
```
public static Net __fromPtr__(long addr)
```
  - readFromModelOptimizer
```
public static Net readFromModelOptimizer(java.lang.String xml,
                                         java.lang.String bin)
```
    从Intel的模型优化器中间表示（IR）创建网络。
    
    参数
    
    xml - 包含网络拓扑结构的XML配置文件。
    
    bin - 包含训练权重的二进制文件。从Intel的模型优化器导入的网络在Intel的推理引擎后端启动。
    
    返回
    
    自动生成
  - readFromModelOptimizer
```
public static Net readFromModelOptimizer(MatOfByte bufferModelConfig,
                                         MatOfByte bufferWeights)
```
    从Intel模型优化器的内存缓冲区中创建网络，使用中间表示（IR）。
    
    参数
    
    bufferModelConfig - 包含模型配置的缓冲区。
    
    bufferWeights - 包含模型训练权重的缓冲区。
    
    返回
    
    Net 对象。
  - empty
```
public boolean empty()
```
    如果网络中没有层，则返回 true。
    
    返回
    
    自动生成
  - dump
```
public java.lang.String dump()
```
    将网络转储到字符串
    
    返回
    
    包含结构、超参数、后端、目标和融合的字符串。调用setInput()方法后调用此方法。要查看正确的后端、目标和融合，请在forward()之后运行。
  - dumpToFile
```
public void dumpToFile(java.lang.String path)
```
    将网络结构、超参数、后端、目标和融合转储到点文件
    
    参数
    
    path - 输出文件的路径，扩展名为.dot 参见：dump()
  - dumpToPbtxt
```
public void dumpToPbtxt(java.lang.String path)
```
    将网络结构、超参数、后端、目标和融合转储到 pbtxt 文件
    
    参数
    
    path - 输出文件的路径，扩展名为.pbtxt 使用Netron (https://netron.app) 打开目标文件以可视化模型。调用setInput()方法后调用此方法。要查看正确的后端、目标和融合，请在forward()之后运行。
  - getLayerId
```
public int getLayerId(java.lang.String layer)
```
    将层的字符串名称转换为整数标识符。
    
    参数
    
    layer - 自动生成
    
    返回
    
    层的ID，如果未找到层，则为-1。
  - getLayerNames
```
public java.util.List<java.lang.String> getLayerNames()
```
  - getLayer
```
public Layer getLayer(int layerId)
```
    返回网络使用的具有指定 ID 或名称的层的指针。
    
    参数
    
    layerId - 自动生成
    
    返回
    
    自动生成
  - getLayer
```
@Deprecated
public Layer getLayer(java.lang.String layerName)
```
    已弃用。
    使用 int getLayerId(const String &layer)
    
    参数
    
    layerName - 自动生成
    
    返回
    
    自动生成
  - getLayer
```
@Deprecated
public Layer getLayer(DictValue layerId)
```
    已弃用。
    即将删除
    
    参数
    
    layerId - 自动生成
    
    返回
    
    自动生成
  - connect
```
public void connect(java.lang.String outPin,
                    java.lang.String inpPin)
```
    将第一层的输出连接到第二层的输入。
    
    参数
    
    outPin - 第一层输出的描述符。
    
    inpPin - 第二层输入的描述符。描述符具有以下模板 <DFN><layer_name>[.input_number]</DFN>: - 模板的第一部分 <DFN>layer_name</DFN> 是添加层的字符串名称。如果此部分为空，则将使用网络输入伪层； - 模板的第二可选部分 <DFN>input_number</DFN> 是层输入的编号，或者标签一。如果省略此部分，则将使用第一层输入。参见：setNetInputs()，Layer::inputNameToIndex()，Layer::outputNameToIndex()
  - setInputsNames
```
public void setInputsNames(java.util.List<java.lang.String> inputBlobNames)
```
    设置网络输入伪层的输出名称。每个网络始终都有其自己的特殊网络输入伪层，id=0。此层仅存储用户Blob，不进行任何计算。实际上，此层提供将用户数据传递到网络的唯一方法。与任何其他层一样，此层可以标记其输出，此函数提供了一种简单的方法来实现此目的。
    
    参数
    
    inputBlobNames - 自动生成
  - setInputShape
```
public void setInputShape(java.lang.String inputName,
                          MatOfInt shape)
```
    指定网络输入的形状。
    
    参数
    
    inputName - 自动生成
    
    shape - 自动生成
  - forward
```
public Mat forward(java.lang.String outputName)
```
    运行前向传递以计算名称为 outputName 的层的输出。
    
    参数
    
    outputName - 需要获取输出的层的名称
    
    返回
    
    指定层的第一个输出的blob。默认情况下，对整个网络运行前向传递。
  - forward
```
public Mat forward()
```
    运行前向传递以计算名称为 outputName 的层的输出。
    
    返回
    
    指定层的第一个输出的blob。默认情况下，对整个网络运行前向传递。
  - forward
```
public void forward(java.util.List<Mat> outputBlobs,
                    java.lang.String outputName)
```
    运行前向传递以计算名称为 outputName 的层的输出。
    
    参数
    
    outputBlobs - 包含指定层的所有输出blob。
    
    outputName - 需要获取输出的层的名称。如果outputName为空，则对整个网络运行前向传递。
  - forward
```
public void forward(java.util.List<Mat> outputBlobs)
```
    运行前向传递以计算名称为 outputName 的层的输出。
    
    参数
    
    outputBlobs - 包含指定层的所有输出blob。如果outputName为空，则对整个网络运行前向传递。
  - forward
```
public void forward(java.util.List<Mat> outputBlobs,
                    java.util.List<java.lang.String> outBlobNames)
```
    运行前向传递以计算 outBlobNames 中列出的层的输出。
    
    参数
    
    outputBlobs - 包含指定层的第一个输出的blobs。
    
    outBlobNames - 需要获取输出的层的名称
  - quantize
```
public Net quantize(java.util.List<Mat> calibData,
                    int inputsDtype,
                    int outputsDtype,
                    boolean perChannel)
```
    将浮点型网络转换为量化网络。
    
    参数
    
    calibData - 用于计算量化参数的校准数据。
    
    inputsDtype - 量化网络输入的数据类型。可以是CV_32F或CV_8S。
    
    outputsDtype - 量化网络输出的数据类型。可以是CV_32F或CV_8S。
    
    perChannel - 量化网络的量化粒度。默认为true，表示以逐通道方式（channel-wise）量化模型。将其设置为false以以逐张量方式（或tensor-wise）量化模型。
    
    返回
    
    自动生成
  - quantize
```
public Net quantize(java.util.List<Mat> calibData,
                    int inputsDtype,
                    int outputsDtype)
```
    将浮点型网络转换为量化网络。
    
    参数
    
    calibData - 用于计算量化参数的校准数据。
    
    inputsDtype - 量化网络输入的数据类型。可以是CV_32F或CV_8S。
    
    outputsDtype - 量化网络输出的数据类型。可以是CV_32F或CV_8S。以逐通道方式（channel-wise）量化模型。将其设置为false以以逐张量方式（或tensor-wise）量化模型。
    
    返回
    
    自动生成
  - getInputDetails
```
public void getInputDetails(MatOfFloat scales,
                            MatOfInt zeropoints)
```
    返回量化网络的输入比例和零点。
    
    参数
    
    scales - 用于返回输入比例的输出参数。
    
    zeropoints - 用于返回输入零点的输出参数。
  - getOutputDetails
```
public void getOutputDetails(MatOfFloat scales,
                             MatOfInt zeropoints)
```
    返回量化网络的输出比例和零点。
    
    参数
    
    scales - 用于返回输出比例的输出参数。
    
    zeropoints - 用于返回输出零点的输出参数。
  - setHalideScheduler
```
public void setHalideScheduler(java.lang.String scheduler)
```
    编译Halide层。
    
    参数
    
    scheduler - 包含调度指令的YAML文件路径。参见：setPreferableBackend 调度支持Halide后端的层。然后为特定目标编译它们。对于调度文件中未表示的层或根本不使用手动调度的层，将应用自动调度。
  - setPreferableBackend
```
public void setPreferableBackend(int backendId)
```
    要求网络使用支持的特定计算后端。
    
    参数
    
    backendId - 后端标识符。参见：Backend
  - setPreferableTarget
```
public void setPreferableTarget(int targetId)
```
    要求网络在特定目标设备上进行计算。
    
    参数
    
    targetId - 目标标识符。参见：Target 支持的后端/目标组合列表： | | DNN_BACKEND_OPENCV | DNN_BACKEND_INFERENCE_ENGINE | DNN_BACKEND_HALIDE | 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 | | + | | |
  - setInput
```
public void setInput(Mat blob,
                     java.lang.String name,
                     double scalefactor,
                     Scalar mean)
```
    设置网络的新输入值。
    
    参数
    
    blob - 新的blob。应具有CV_32F或CV_8U深度。
    
    name - 输入层的名称。
    
    scalefactor - 可选的归一化比例。
    
    mean - 可选的均值减法值。参见：connect(String, String) 以了解描述符的格式。如果指定了 scale 或 mean 值，则最终输入 blob 计算如下：\(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\)
  - setInput
```
public void setInput(Mat blob,
                     java.lang.String name,
                     double scalefactor)
```
    设置网络的新输入值。
    
    参数
    
    blob - 新的blob。应具有CV_32F或CV_8U深度。
    
    name - 输入层的名称。
    
    scalefactor - 可选的归一化缩放因子。参见：connect(String, String) 以了解描述符的格式。如果指定了 scale 或 mean 值，则最终输入 blob 计算如下：\(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\)
  - setInput
```
public void setInput(Mat blob,
                     java.lang.String name)
```
    设置网络的新输入值。
    
    参数
    
    blob - 新的blob。应具有CV_32F或CV_8U深度。
    
    name - 输入层的名称。参见：connect(String, String) 以了解描述符的格式。如果指定了 scale 或 mean 值，则最终输入 blob 计算如下：\(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\)
  - setInput
```
public void setInput(Mat blob)
```
    设置网络的新输入值。
    
    参数
    
    blob - 新的 blob。深度应为 CV_32F 或 CV_8U。参见：connect(String, String) 以了解描述符的格式。如果指定了 scale 或 mean 值，则最终输入 blob 计算如下：\(input(n,c,h,w) = scalefactor \times (blob(n,c,h,w) - mean_c)\)
  - setParam
```
public void setParam(int layer,
                     int numParam,
                     Mat blob)
```
    设置层的学习参数的新值。
    
    参数
    
    layer - 层的名称或 ID。
    
    numParam - Layer::blobs 数组中层参数的索引。
    
    blob - 新值。参见：Layer::blobs **注意：**如果新 blob 的形状与之前的形状不同，则后续的正向传递可能会失败。
  - setParam
```
public void setParam(java.lang.String layerName,
                     int numParam,
                     Mat blob)
```
  - getParam
```
public Mat getParam(int layer,
                    int numParam)
```
    返回层的参数 blob。
    
    参数
    
    layer - 层的名称或 ID。
    
    numParam - Layer::blobs 数组中层参数的索引。参见：Layer::blobs
    
    返回
    
    自动生成
  - getParam
```
public Mat getParam(int layer)
```
    返回层的参数 blob。
    
    参数
    
    layer - 层的名称或 ID。参见：Layer::blobs
    
    返回
    
    自动生成
  - getParam
```
public Mat getParam(java.lang.String layerName,
                    int numParam)
```
  - getParam
```
public Mat getParam(java.lang.String layerName)
```
  - getUnconnectedOutLayers
```
public MatOfInt getUnconnectedOutLayers()
```
    返回输出未连接的层的索引。修复：重做 API 到 registerOutput() 方法，弃用此调用
    
    返回
    
    自动生成
  - getUnconnectedOutLayersNames
```
public java.util.List<java.lang.String> getUnconnectedOutLayersNames()
```
    返回输出未连接的层的名称。修复：重做 API 到 registerOutput() 方法，弃用此调用
    
    返回
    
    自动生成
  - getFLOPS
```
public long getFLOPS(java.util.List<MatOfInt> netInputShapes)
```
    使用指定的输入形状计算整个加载模型的 FLOP。
    
    参数
    
    netInputShapes - 所有网络输入的形状向量。
    
    返回
    
    计算出的 FLOP。
  - getFLOPS
```
public long getFLOPS(MatOfInt netInputShape)
```
  - getFLOPS
```
public long getFLOPS(int layerId,
                     java.util.List<MatOfInt> netInputShapes)
```
  - getFLOPS
```
public long getFLOPS(int layerId,
                     MatOfInt netInputShape)
```
  - getLayerTypes
```
public void getLayerTypes(java.util.List<java.lang.String> layersTypes)
```
    返回模型中使用的层的类型列表。
    
    参数
    
    layersTypes - 用于返回类型的输出参数。
  - getLayersCount
```
public int getLayersCount(java.lang.String layerType)
```
    返回指定类型的层的数量。
    
    参数
    
    layerType - 类型。
    
    返回
    
    层的数量
  - getMemoryConsumption
```
public void getMemoryConsumption(MatOfInt netInputShape,
                                 long[] weights,
                                 long[] blobs)
```
  - getMemoryConsumption
```
public void getMemoryConsumption(int layerId,
                                 java.util.List<MatOfInt> netInputShapes,
                                 long[] weights,
                                 long[] blobs)
```
  - getMemoryConsumption
```
public void getMemoryConsumption(int layerId,
                                 MatOfInt netInputShape,
                                 long[] weights,
                                 long[] blobs)
```
  - enableFusion
```
public void enableFusion(boolean fusion)
```
    启用或禁用网络中的层融合。
    
    参数
    
    fusion - true 表示启用融合，false 表示禁用。默认情况下启用融合。
  - enableWinograd
```
public void enableWinograd(boolean useWinograd)
```
    启用或禁用 Winograd 计算分支。Winograd 计算分支可以以少量精度损失为代价加快 3x3 卷积的速度。
    
    参数
    
    useWinograd - true 表示启用 Winograd 计算分支。默认为 true。
  - getPerfProfile
```
public long getPerfProfile(MatOfDouble timings)
```
    返回推理的总时间和各层的计时信息（以时钟周期计）。返回向量中的索引对应于层的 ID。某些层可以与其他层融合，在这种情况下，将为跳过的层返回零时钟周期计数。仅在 DNN_BACKEND_OPENCV 上的 DNN_TARGET_CPU 上受支持。
    
    参数
    
    timings - 所有层的时钟周期计时向量。
    
    返回
    
    模型推理的总时钟周期数。
  - finalize
```
protected void finalize()
                 throws java.lang.Throwable
```
    重写
    
    finalize 在类 java.lang.Object 中
    
    抛出
    
    java.lang.Throwable

构造函数
修饰符	构造函数	描述
	`Net()`
`protected`	`Net(long addr)`

Net 类

字段摘要

构造函数摘要

方法摘要

继承自类 java.lang.Object的方法

字段详情

nativeObj

构造函数详情

Net

Net

方法详情

getNativeObjAddr

__fromPtr__

readFromModelOptimizer

readFromModelOptimizer

empty

dump

dumpToFile

dumpToPbtxt

getLayerId

getLayerNames

getLayer

getLayer

getLayer

connect

setInputsNames

setInputShape

forward

forward

forward

forward

forward

quantize

quantize

getInputDetails

getOutputDetails

setHalideScheduler

setPreferableBackend

setPreferableTarget

setInput

setInput

setInput

setInput

setParam

setParam

getParam

getParam

getParam

getParam

getUnconnectedOutLayers

getUnconnectedOutLayersNames

getFLOPS

getFLOPS

getFLOPS

getFLOPS

getLayerTypes

getLayersCount

getMemoryConsumption

getMemoryConsumption

getMemoryConsumption

enableFusion

enableWinograd

getPerfProfile

finalize

fromPtr