Ti presentiamo LiteRT: il runtime ad alte prestazioni di Google per l'IA on-device, precedentemente noto come TensorFlow Lite.

Questa pagina è stata tradotta dall'API Cloud Translation.

Interpreter

lezione finale pubblica Interprete

Classe driver per guidare l'inferenza del modello con TensorFlow Lite.

Nota. Se non hai bisogno di accedere a nessun elemento "sperimentale" le funzionalità API riportate di seguito, preferiamo utilizzare InterpreterApi e Interpreterfabbrica anziché utilizzare direttamente lo strumento Interpreter.

Un Interpreter incapsula un modello TensorFlow Lite preaddestrato, in cui le operazioni vengono eseguite per l'inferenza del modello.

Ad esempio, se un modello accetta un solo input e restituisce solo un output:

try (Interpreter interpreter = new Interpreter(file_of_a_tensorflowlite_model)) {
   interpreter.run(input, output);
 }

Se un modello accetta più input o output:

Object[] inputs = {input0, input1, ...};
 Map&lt;Integer, Object&gt; map_of_indices_to_outputs = new HashMap&lt;&gt;();
 FloatBuffer ith_output = FloatBuffer.allocateDirect(3 * 2 * 4);  // Float tensor, shape 3x2x4.
 ith_output.order(ByteOrder.nativeOrder());
 map_of_indices_to_outputs.put(i, ith_output);
 try (Interpreter interpreter = new Interpreter(file_of_a_tensorflowlite_model)) {
   interpreter.runForMultipleInputsOutputs(inputs, map_of_indices_to_outputs);
 }

Se un modello prende o produce tensori di stringa:

String[] input = {"foo", "bar"};  // Input tensor shape is [2].
 String[][] output = new String[3][2];  // Output tensor shape is [3, 2].
 try (Interpreter interpreter = new Interpreter(file_of_a_tensorflowlite_model)) {
   interpreter.runForMultipleInputsOutputs(input, output);
 }

Tieni presente che esiste una distinzione tra forma [] e forma[1]. Per tensori di stringa scalare genera:

String[] input = {"foo"};  // Input tensor shape is [1].
 ByteBuffer outputBuffer = ByteBuffer.allocate(OUTPUT_BYTES_SIZE);  // Output tensor shape is [].
 try (Interpreter interpreter = new Interpreter(file_of_a_tensorflowlite_model)) {
   interpreter.runForMultipleInputsOutputs(input, outputBuffer);
 }
 byte[] outputBytes = new byte[outputBuffer.remaining()];
 outputBuffer.get(outputBytes);
 // Below, the `charset` can be StandardCharsets.UTF_8.
 String output = new String(outputBytes, charset);

Gli ordini di input e output vengono determinati durante la conversione del modello TensorFlow in TensorFlowLite modello con Toco, così come le forme predefinite degli input.

Quando gli input vengono forniti come array (multidimensionali), i tensori di input corrispondenti ridimensionato implicitamente in base alla forma dell'array. Quando gli input vengono forniti come Buffer tra i due tipi, il ridimensionamento implicito non avviene; il chiamante deve assicurarsi che la dimensione in byte di Buffer corrisponde a quello del tensore corrispondente oppure ridimensiona il tensore tramite resizeInput(int, int[]). È possibile ottenere informazioni su forma e tipo di Tensor tramite la classe Tensor, disponibile tramite getInputTensor(int) e getOutputTensor(int).

ATTENZIONE:Interpreter istanze non sono sicure per i thread. Interpreter possiede risorse che devono essere liberate esplicitamente richiamando close()

La libreria TFLite è basata sull'API NDK 19. Può funzionare con livelli API Android inferiori a 19, ma non è garantito.

Classi nidificate

classe Interpreter.Options Una classe di opzioni per controllare il comportamento dell'interprete di runtime.

Costruttori pubblici

	Interpreter(File modelFile) Inizializza un `Interpreter`.
	Interpreter(opzioni File modelFile, Interpreter.Options) Inizializza un `Interpreter` e specifica le opzioni per personalizzare il comportamento dell'interprete.
	Interpreter(ByteBuffer byteBuffer) Inizializza un `Interpreter` con un `ByteBuffer` di un file del modello.
	Interpreter(opzioni ByteBuffer byteBuffer, Interpreter.Options) Inizializza un `Interpreter` con un `ByteBuffer` di un file di modello e un set di `Interpreter.Options` personalizzato.

Metodi pubblici

null	allocateTensors() Aggiorna in modo esplicito le allocazioni per tutti i tensori, se necessario.
null	close() Rilascia le risorse associate all'istanza `InterpreterApi`.
int	getInputIndex(Stringa opName) Ottiene l'indice di un input dato il nome dell'operazione dell'input.
Tensor	getInputTensor(int inputIndex) Recupera il Tensor associato all'indice di input fornito.
int	getInputTensorCount() Restituisce il numero di tensori di input.
Tensor	getInputTensorFromSignature(String inputName, String signatureKey) Recupera il Tensor associato al nome di input fornito e al nome del metodo di firma.
Lunga	getLastNativeInferenceDurationNanoseconds() Restituisce i tempi di inferenza nativa.
int	getOutputIndex(Stringa opName) Ottiene l'indice di un output dato il nome dell'operazione dell'output.
Tensor	getOutputTensor(int outputIndex) Recupera il Tensor associato all'indice di output fornito.
int	getOutputTensorCount() Ottiene il numero di tensori di output.
Tensor	getOutputTensorFromSignature(String outputName, String signatureKey) Consente di acquisire il Tensor associato al nome di output fornito nel metodo di firma specifico.
String[]	getSignatureInputs(String signatureKey) Restituisce l'elenco di input SignatureDefs per il metodo `signatureKey`.
String[]	getSignatureKeys() Restituisce l'elenco dei nomi dei metodi esportati da SignatureDef disponibili nel modello.
String[]	getSignatureOutputs(String signatureKey) Ottiene l'elenco di output SignatureDefs per il metodo `signatureKey`.
null	resetVariableTensors() Avanzato: reimposta tutti i tensori variabili sul valore predefinito.
null	resizeInput(int idx, int[] dims, boolean strict) Ridimensiona l'input idx-th del modello nativo alle dimensioni specificate.
null	resizeInput(int idx, int[] dims) Ridimensiona l'input idx-th del modello nativo alle dimensioni specificate.
null	run(input oggetto, output oggetto) Esegue l'inferenza del modello se il modello accetta un solo input e fornisce un solo output.
null	runForMultipleInputsOutputs(input Object[], output Map<Integer, Object> output) Esegue l'inferenza del modello se il modello accetta più input o restituisce più output.
null	runSignature(input Map<String, Object>, Map<String, Object> output) Uguale a `runSignature(Map, Map, String)`, ma non richiede il passaggio di una chiave di firma, supponendo che il modello abbia un valore SignatureDef.
null	runSignature(Map<String, Object> input, Map<String, Object> output, String signatureKey) Esegue l'inferenza del modello basata su SignatureDef fornito tramite `signatureKey`.
null	setCancelled(booleano annullato) Avanzato: interrompe l'inferenza durante una chiamata a `run(Object, Object)`.

Metodi ereditati

Dal corso java.lang.Object .

booleano	equals(Oggetto arg0)
finale Corso<?>	getClass()
int	hashCode()
finale null	notify()
finale null	notifyAll()
String	toString()
finale null	wait(long arg0, int arg1)
finale null	wait(arg0 lungo)
finale null	wait()

Dall'interfaccia org.tensorflow.lite.InterpreterApi

astratto null	allocateTensors() Aggiorna in modo esplicito le allocazioni per tutti i tensori, se necessario.
astratto null	close() Rilascia le risorse associate all'istanza `InterpreterApi`.
statico InterpreterApi	create(opzioni File modelFile, InterpreterApi.Options) Crea un'istanza `InterpreterApi` utilizzando il modello e le opzioni specificati.
statico InterpreterApi	create(opzioni ByteBuffer byteBuffer, InterpreterApi.Options) Crea un'istanza `InterpreterApi` utilizzando il modello e le opzioni specificati.
astratto int	getInputIndex(Stringa opName) Ottiene l'indice di un input dato il nome dell'operazione dell'input.
astratto Tensor	getInputTensor(int inputIndex) Recupera il Tensor associato all'indice di input fornito.
astratto int	getInputTensorCount() Restituisce il numero di tensori di input.
astratto Lungo	getLastNativeInferenceDurationNanoseconds() Restituisce i tempi di inferenza nativa.
astratto int	getOutputIndex(Stringa opName) Ottiene l'indice di un output dato il nome dell'operazione dell'output.
astratto Tensor	getOutputTensor(int outputIndex) Recupera il Tensor associato all'indice di output fornito.
astratto int	getOutputTensorCount() Ottiene il numero di tensori di output.
astratto null	resizeInput(int idx, int[] dims, boolean strict) Ridimensiona l'input idx-th del modello nativo alle dimensioni specificate.
astratto null	resizeInput(int idx, int[] dims) Ridimensiona l'input idx-th del modello nativo alle dimensioni specificate.
astratto null	run(input oggetto, output oggetto) Esegue l'inferenza del modello se il modello accetta un solo input e fornisce un solo output.
astratto null	runForMultipleInputsOutputs(input Object[], output Map<Integer, Object> output) Esegue l'inferenza del modello se il modello accetta più input o restituisce più output.

Dall'interfaccia java.lang.AutoCloseable .

astratto null

close()

Costruttori pubblici

pubblica . Interprete (File modelFile)

Inizializza un Interpreter.

Parametri

modelFile	un file di un modello TF Lite preaddestrato.

Lanci

IllegalArgumentException	se `modelFile` non codifica un TensorFlow Lite valido un modello di machine learning.

pubblica . Interprete (opzioni File modelFile, Interpreter.Options)

Inizializza un Interpreter e specifica le opzioni per personalizzare il comportamento dell'interprete.

Parametri

modelFile	un file di un modello TF Lite preaddestrato
opzioni	un insieme di opzioni per personalizzare il comportamento dell'interprete

Lanci

IllegalArgumentException	se `modelFile` non codifica un TensorFlow Lite valido un modello di machine learning.

pubblica . Interprete (ByteBuffer byteBuffer)

Inizializza un Interpreter con un ByteBuffer di un file del modello.

ByteBuffer non deve essere modificato dopo la costruzione di un Interpreter. La ByteBuffer può essere un MappedByteBuffer che mappa in memoria il file di un modello o un ByteBuffer diretto di nativeOrder() che include i contenuti in byte di un modello.

Parametri

byteBuffer

Lanci

IllegalArgumentException	se `byteBuffer` non è `MappedByteBuffer` né un diretto `ByteBuffer` di nativeOrder.

pubblica . Interprete (opzioni ByteBuffer byteBuffer, Interpreter.Options)

Inizializza un Interpreter con un ByteBuffer di un file di modello e un set di Interpreter.Options personalizzato.

ByteBuffer non deve essere modificato dopo la costruzione di un Interpreter. Il ByteBuffer può essere un MappedByteBuffer che utilizza le mappe di memoria un file del modello o un valore ByteBuffer diretto di nativeOrder() che include i contenuti dei byte di un modello.

Parametri

byteBuffer
opzioni

Lanci

IllegalArgumentException	se `byteBuffer` non è `MappedByteBuffer` né un diretto `ByteBuffer` di nativeOrder.

Metodi pubblici

pubblica null . allocateTensors ()

Aggiorna in modo esplicito le allocazioni per tutti i tensori, se necessario.

Questo propaga le forme e le allocazioni di memoria per i tensori dipendenti utilizzando l'input le forme dei tensori date.

Nota: questa chiamata è *solo facoltativa*. L'allocazione del tensore avviene automaticamente se qualche tensore di input è stato ridimensionato. Questa chiamata è particolarmente utile per determinare forme per qualsiasi tensore di output prima di eseguire il grafico, ad esempio

 interpreter.resizeInput(0, new int[]{1, 4, 4, 3}));
 interpreter.allocateTensors();
 FloatBuffer input = FloatBuffer.allocate(interpreter.getInputTensor(0).numElements());
 // Populate inputs...
 FloatBuffer output = FloatBuffer.allocate(interpreter.getOutputTensor(0).numElements());
 interpreter.run(input, output)
 // Process outputs...

Nota: alcuni grafici hanno output di forma dinamica, nel qual caso la forma di output potrebbe non si propagano completamente fino all'esecuzione dell'inferenza.

pubblica null . chiudi ()

Rilascia le risorse associate all'istanza InterpreterApi.

pubblica int . getInputIndex (Stringa opName)

Ottiene l'indice di un input dato il nome dell'operazione dell'input.

Parametri

opName

pubblica Tensor getInputTensor (int inputIndex)

Recupera il Tensor associato all'indice di input fornito.

Parametri

inputIndex

pubblica int . getInputTensorCount ()

Restituisce il numero di tensori di input.

pubblica Tensor getInputTensorFromSignature (Stringa inputName, String firma)

Recupera il Tensor associato al nome di input fornito e al nome del metodo di firma.

ATTENZIONE: questa è un'API sperimentale ed è soggetta a modifiche.

Parametri

inputName	Inserisci il nome nella firma.
signatureKey	Chiave di firma che identifica il parametro SignatureDef, può essere nulla se il modello ha una firma.

Lanci

IllegalArgumentException	se `inputName` o `signatureKey` è nullo o vuoto, o un nome fornito non valido.

pubblica Lungo getLastNativeInferenceDurationNanoseconds ()

Restituisce i tempi di inferenza nativa.

pubblica int . getOutputIndex (Stringa opName)

Ottiene l'indice di un output dato il nome dell'operazione dell'output.

Parametri

opName

pubblica Tensor getOutputTensor (int outputIndex)

Recupera il Tensor associato all'indice di output fornito.

Nota: i dettagli del tensore di output (ad es. forma) potrebbero non essere compilati completamente fino a dopo l'inferenza viene eseguito. Se hai bisogno di aggiornare i dettagli *prima* di eseguire l'inferenza (ad es. dopo aver ridimensionato tensore di input, che può invalidare le forme del tensore di output), usa allocateTensors() per attivare esplicitamente l'allocazione e la propagazione della forma. Ricorda che, per i grafici con forme di output che dipendono da *valori* di input, la forma di output potrebbe non essere determinata completamente l'inferenza in esecuzione.

Parametri

outputIndex

pubblica int . getOutputTensorCount ()

Ottiene il numero di tensori di output.

pubblica Tensor getOutputTensorFromSignature (Stringa outputName, String signatureKey)

Consente di acquisire il Tensor associato al nome di output fornito nel metodo di firma specifico.

ATTENZIONE: questa è un'API sperimentale ed è soggetta a modifiche.

Parametri

outputName	Nome di output nella firma.
signatureKey	Chiave di firma che identifica il parametro SignatureDef, può essere nulla se il modello ha una firma.

Lanci

IllegalArgumentException	se `outputName` o `signatureKey` è nullo o è vuoto o il nome fornito non è valido.

pubblica String[] getSignatureInputs (Stringa firma)

Restituisce l'elenco di input SignatureDefs per il metodo signatureKey.

ATTENZIONE: questa è un'API sperimentale ed è soggetta a modifiche.

Parametri

signatureKey

pubblica String[] getSignatureKeys ()

Restituisce l'elenco dei nomi dei metodi esportati da SignatureDef disponibili nel modello.

ATTENZIONE: questa è un'API sperimentale ed è soggetta a modifiche.

pubblica String[] getSignatureOutputs (Stringa firma)

Ottiene l'elenco di output SignatureDefs per il metodo signatureKey.

ATTENZIONE: questa è un'API sperimentale ed è soggetta a modifiche.

Parametri

signatureKey

pubblica null . resetVariableTensors ()

Avanzato: reimposta tutti i tensori variabili sul valore predefinito.

Se a un tensore variabile non è associato un buffer, questo verrà reimpostato su zero.

ATTENZIONE: questa è un'API sperimentale ed è soggetta a modifiche.

pubblica null . resizeInput (int idx, int[] dims, booleano rigido)

Ridimensiona l'input idx-th del modello nativo alle dimensioni specificate.

Quando "strict" è impostato su True, possono essere ridimensionate solo le dimensioni sconosciute. Le dimensioni sconosciute sono indicato come "-1" nell'array restituito da "Tensor.shapeSignature()".

Parametri

IDX
attenua
livello massimo

pubblica null . resizeInput (int idx, int[] dims)

Ridimensiona l'input idx-th del modello nativo alle dimensioni specificate.

Parametri

IDX
attenua

pubblica null . corri (input oggetto, output oggetto)

Esegue l'inferenza del modello se il modello accetta un solo input e fornisce un solo output.

Avviso: l'API è più efficiente se Buffer (preferibilmente diretta, ma non obbligatoria) viene utilizzato come tipo di dati di input/output. Valuta la possibilità di utilizzare Buffer per il feed e il recupero per migliorare le prestazioni. I seguenti tipi di Buffer concreti sono supportati:

ByteBuffer: compatibile con qualsiasi tipo di Tensor primitivo sottostante.
FloatBuffer: compatibile con i tensori mobili.
IntBuffer - compatibile con i Tensors Int32.
LongBuffer - compatibile con i Tensors Int64.

di Gemini Advanced. Tieni presente che i tipi booleani sono supportati solo come array, non Buffer o come input scalari.

Parametri

input un array o un array multidimensionale, o un Buffer di tipi primitivi inclusi int, float, long e byte. Buffer è il metodo preferito per trasmettere contenuti per i tipi primitivi, mentre i tipi di stringa richiedono l'uso della funzione di input dell'array. Quando viene utilizzato un Buffer, i relativi contenuti devono rimanere invariati finché l'inferenza del modello viene completata e il chiamante deve assicurarsi che Buffer sia posizione di lettura appropriata. Un valore null è consentito solo se il chiamante utilizza un Delegate che consente l'interoperabilità dell'handle del buffer, che è stato associato alla inserisci Tensor.

output un array multidimensionale dei dati di output, o Buffer dei tipi primitivi inclusi int, float, long e byte. Quando si usa un Buffer, il chiamante deve assicurarsi impostando la posizione di scrittura appropriata. È consentito un valore nullo, utile per In alcuni casi, ad esempio se il chiamante usa un Delegate che consente l'handle del buffer interopazione; tale buffer è stato associato all'output Tensor (vedi anche Interpreter.Options#setAllowBufferHandleOutput(boolean)), oppure se il grafico ha output di forma dinamica e il chiamante deve eseguire una query sulla forma Tensor di output dopo aver richiamato l'inferenza, recuperando i dati direttamente dall'output tensor (tramite Tensor.asReadOnlyBuffer()).

input	un array o un array multidimensionale, o un `Buffer` di tipi primitivi inclusi int, float, long e byte. `Buffer` è il metodo preferito per trasmettere contenuti per i tipi primitivi, mentre i tipi di stringa richiedono l'uso della funzione di input dell'array. Quando viene utilizzato un `Buffer`, i relativi contenuti devono rimanere invariati finché l'inferenza del modello viene completata e il chiamante deve assicurarsi che `Buffer` sia posizione di lettura appropriata. Un valore `null` è consentito solo se il chiamante utilizza un `Delegate` che consente l'interoperabilità dell'handle del buffer, che è stato associato alla inserisci `Tensor`.
output	un array multidimensionale dei dati di output, o `Buffer` dei tipi primitivi inclusi int, float, long e byte. Quando si usa un `Buffer`, il chiamante deve assicurarsi impostando la posizione di scrittura appropriata. È consentito un valore nullo, utile per In alcuni casi, ad esempio se il chiamante usa un `Delegate` che consente l'handle del buffer interopazione; tale buffer è stato associato all'output `Tensor` (vedi anche Interpreter.Options#setAllowBufferHandleOutput(boolean)), oppure se il grafico ha output di forma dinamica e il chiamante deve eseguire una query sulla forma `Tensor` di output dopo aver richiamato l'inferenza, recuperando i dati direttamente dall'output tensor (tramite `Tensor.asReadOnlyBuffer()`).

pubblica null . runForMultipleInputsOutputs (Input Object[], Mappa<Integer, Object> output)

Esegue l'inferenza del modello se il modello accetta più input o restituisce più output.

Avviso: l'API è più efficiente se Buffer (preferibilmente diretta, ma non obbligatoria) vengono utilizzati come tipi di dati di input/output. Valuta la possibilità di utilizzare Buffer per il feed e il recupero per migliorare le prestazioni. I seguenti tipi di Buffer concreti sono supportati:

ByteBuffer: compatibile con qualsiasi tipo di Tensor primitivo sottostante.
FloatBuffer: compatibile con i tensori mobili.
IntBuffer - compatibile con i Tensors Int32.
LongBuffer - compatibile con i Tensors Int64.

di Gemini Advanced. Tieni presente che i tipi booleani sono supportati solo come array, non Buffer o come input scalari.

Nota: i valori null per gli elementi individuali di inputs e outputs sono consentito solo se il chiamante utilizza un Delegate che consente l'interoperabilità dell'handle del buffer e tale buffer è stato associato allo Tensor(i) input o output corrispondente.

Parametri

nascosti un array di dati di input. Gli input devono essere nello stesso ordine degli input del metodo un modello di machine learning. Ogni input può essere un array, un array multidimensionale o un Buffer di tipi primitivi tra cui int, float, long e byte. Buffer è il metodo preferito per passare grandi dati di input, mentre i tipi di stringa richiedono l'uso dell'array (multidimensionale) del percorso di input. Quando viene utilizzato Buffer, i relativi contenuti devono rimanere invariati fino al modello viene eseguita l'inferenza e il chiamante deve assicurarsi che Buffer sia nel giusto posizione di lettura.

output una mappa che mappa gli indici di output ad array multidimensionali di dati di output o Buffer di tipi primitivi, inclusi int, float, long e byte. Deve solo mantenere per gli output da utilizzare. Quando si usa un Buffer, il chiamante deve assicurarsi impostando la posizione di scrittura appropriata. La mappa potrebbe essere vuota nei casi in cui Gli handle del buffer vengono utilizzati per i dati dei tensori di output o nei casi in cui gli output vengono e il chiamante deve eseguire una query sulla forma di output Tensor dopo che è stata richiamato, recuperando i dati direttamente dal tensore di output (tramite Tensor.asReadOnlyBuffer()).

nascosti	un array di dati di input. Gli input devono essere nello stesso ordine degli input del metodo un modello di machine learning. Ogni input può essere un array, un array multidimensionale o un `Buffer` di tipi primitivi tra cui int, float, long e byte. `Buffer` è il metodo preferito per passare grandi dati di input, mentre i tipi di stringa richiedono l'uso dell'array (multidimensionale) del percorso di input. Quando viene utilizzato `Buffer`, i relativi contenuti devono rimanere invariati fino al modello viene eseguita l'inferenza e il chiamante deve assicurarsi che `Buffer` sia nel giusto posizione di lettura.
output	una mappa che mappa gli indici di output ad array multidimensionali di dati di output o `Buffer` di tipi primitivi, inclusi int, float, long e byte. Deve solo mantenere per gli output da utilizzare. Quando si usa un `Buffer`, il chiamante deve assicurarsi impostando la posizione di scrittura appropriata. La mappa potrebbe essere vuota nei casi in cui Gli handle del buffer vengono utilizzati per i dati dei tensori di output o nei casi in cui gli output vengono e il chiamante deve eseguire una query sulla forma di output `Tensor` dopo che è stata richiamato, recuperando i dati direttamente dal tensore di output (tramite `Tensor.asReadOnlyBuffer()`).

pubblica null . runSignature (Mappa<String, Object> input, Map<String, Object> output)

Uguale a runSignature(Map, Map, String), ma non richiede il passaggio di una chiave di firma, supponendo che il modello abbia un valore SignatureDef. Se il modello ha più di un elemento SignatureDef genera un'eccezione.

ATTENZIONE: questa è un'API sperimentale ed è soggetta a modifiche.

Parametri

nascosti
output

pubblica null . runSignature (Mappa<String, Object> input, Map<String, Object> output, String signatureKey)

Esegue l'inferenza del modello basata su SignatureDef fornito tramite signatureKey.

Consulta run(Object, Object) per ulteriori dettagli sull'input e l'output consentiti tipi di dati.

ATTENZIONE: questa è un'API sperimentale ed è soggetta a modifiche.

Parametri

nascosti	Mappa dal nome di input in SignatureDef a un oggetto di input.
output	Una mappa dal nome di output in SignatureDef ai dati di output. Questo campo può essere vuoto se Il chiamante vuole eseguire una query sui dati `Tensor` direttamente dopo l'inferenza (ad es. se il la forma di output è dinamica oppure vengono utilizzati punti di manipolazione del buffer di output).
signatureKey	Chiave di firma che identifica il valore SignatureDef.

Lanci

IllegalArgumentException	se `inputs` è nullo o vuoto, se `outputs` o `signatureKey` è nullo o se si verifica un errore durante l'esecuzione dell'inferenza.

pubblica null . setCancelled (booleano annullato)

Avanzato: interrompe l'inferenza durante una chiamata a run(Object, Object).

Un flag di annullamento verrà impostato su true quando viene chiamata questa funzione. L'interprete seleziona il flag tra le chiamate dell'operazione e, se è true, l'interprete interromperà il controllo dell'esecuzione. L'interprete rimarrà in stato di annullamento finché non verrà esplicitamente "annullato" di setCancelled(false).

ATTENZIONE: questa è un'API sperimentale ed è soggetta a modifiche.

Parametri

annullato	`true` per annullare l'inferenza secondo il criterio del "best effort". `false` per riprendi.

Lanci

IllegalStateException	se l'interprete non viene inizializzato con la che è disattivata per impostazione predefinita.

Argomenti correlati

Interpreter.Options.setCancellable(boolean)