机器视觉 · 函数

ONNX推理

使用 ONNX Runtime 会话进行模型推理。

调用签名(会话, 输入数据: 'dict', 输出名称: 'list | None' = None)

OZHONGWEN
PYTHON

Chinese example

中文代码示例

# 案例：ONNX推理
设 会话 = 机器视觉.创建ONNX会话("outputs/model.onnx")
设 结果 = 机器视觉.ONNX推理(会话, 输入字典={"input": 数据})
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

3 个参数

参数类型 / 传入方式说明

会话可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入会话;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传或对象为 None 会报 TypeError/AttributeError;先调用对应的创建函数拿到会话再传入

输入数据可选 · 默认无

dict位置参数或字段名=值

要处理的原始数据，可以是列表、字典、DataFrame、数组等。

常见错误：漏传会报 TypeError: missing required argument: '输入数据';检查调用是否漏了这行

输出名称可选 · 默认 None

list | None位置参数或字段名=值

对象在代码和设计稿里的唯一名称，后续查找、更新、删除都靠它。

常见错误：类型不匹配会报 TypeError;按字段类型(list | None) 传值

Playbook

基础用法 · 进阶组合 · 错误排查

# 案例：ONNX推理
设 会话 = 机器视觉.创建ONNX会话("outputs/model.onnx")
设 结果 = 机器视觉.ONNX推理(会话, 输入字典={"input": 数据})
打印(结果)

# 进阶组合:ONNX推理 配合 机器视觉 业务流使用
设 图像 = 机器视觉.读取图像("outputs/示例.png")
设 结果 = 机器视觉.ONNX推理(
    会话="示例值",  # 必填
    输入数据={},  # 必填
    输出名称=None,  # 可选
)
机器视觉.保存图像("outputs/灰度示例.png", 灰度)
打印(结果)

# 错误排查:覆盖 2 个必填参数

## 参数 1: 会话
# 错误:漏传或为 None 会报 TypeError/AttributeError
# 设 结果 = 机器视觉.ONNX推理(会话=None)  # AttributeError
# 修复:先建立 会话 再传入
设 会话 = 机器视觉.创建ONNX会话("outputs/model.onnx")
设 结果 = 机器视觉.ONNX推理(会话=会话)

## 参数 2: 输入数据
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器视觉.ONNX推理()  # TypeError
# 修复:补上必填字段
设 结果 = 机器视觉.ONNX推理(输入数据={})
打印(结果)