Questa pagina è stata tradotta dall'API Cloud Translation.

Interpreter

Interprete di classe finale pubblica

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

Nota: se non hai bisogno di accedere a nessuna delle funzionalità API "sperimentali" di seguito, preferisci utilizzare InterpreterApi e InterpreterFactory piuttosto che utilizzare Interpreter direttamente.

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

Ad esempio, se un modello accetta solo un input e restituisce un solo 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 accetta 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);
 }

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

Quando gli input vengono forniti come array (multidimensionali), i tensori di input corrispondenti verranno ridimensionati in modo implicito in base alla forma dell'array. Quando gli input vengono forniti come tipi di Buffer , non viene eseguito alcun ridimensionamento implicito; il chiamante deve assicurarsi che la dimensione del byte Buffer corrisponda a quella del tensore corrispondente o che prima ridimensioni il tensore tramite resizeInput(int, int[]) . Le informazioni sulla forma e sul tipo del tensore possono essere ottenute tramite la classe Tensor , disponibile tramite getInputTensor(int) e getOutputTensor(int) .

AVVISO: le istanze Interpreter non sono thread-safe. Un Interpreter possiede risorse che devono essere liberate esplicitamente invocando close()

La libreria TFLite è basata sull'API NDK 19. Potrebbe funzionare per livelli API Android inferiori a 19, ma non è garantita.

Classi nidificate

classe Interprete.Opzioni Una classe di opzioni per controllare il comportamento dell'interprete di runtime.

Costruttori pubblici

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

Metodi pubblici

vuoto	allocateTensors () Aggiorna esplicitamente le allocazioni per tutti i tensori, se necessario.
vuoto	chiudi () Rilascia le risorse associate all'istanza di `InterpreterApi` .
int	getInputIndex ( String opName) Ottiene l'indice di un input dato il nome operativo dell'input.
Tensore	getInputTensor (int inputIndex) Ottiene il Tensor associato all'indice di input fornito.
int	getInputTensorCount () Ottiene il numero di tensori di input.
Tensore	getInputTensorFromSignature ( String inputName, String signatureKey) Ottiene il Tensor associato al nome di input fornito e al nome del metodo di firma.
Lungo	getLastNativeInferenceDurationNanoseconds () Restituisce la temporizzazione dell'inferenza nativa.
int	getOutputIndex ( String opName) Ottiene l'indice di un output dato il nome operativo dell'output.
Tensore	getOutputTensor (int outputIndex) Ottiene il Tensor associato all'indice di output fornito.
int	getOutputTensorCount () Ottiene il numero di tensori di output.
Tensore	getOutputTensorFromSignature ( String outputName, String signatureKey) Ottiene il Tensor associato al nome di output fornito nel metodo di firma specifico.
Corda[]	getSignatureInputs ( String signatureKey) Ottiene l'elenco degli input di SignatureDefs per il metodo `signatureKey` .
Corda[]	getSignatureKeys () Ottiene l'elenco dei nomi dei metodi esportati SignatureDef disponibili nel modello.
Corda[]	getSignatureOutputs ( stringa signatureKey) Ottiene l'elenco degli output SignatureDefs per il metodo `signatureKey` .
vuoto	resetVariableTensors () Avanzate: ripristina tutti i tensori variabili al valore predefinito.
vuoto	resizeInput (int idx, int[] dims, boolean strict) Ridimensiona l'input idx-esimo del modello nativo alle dim date.
vuoto	resizeInput (int idx, int[] dim) Ridimensiona l'input idx-esimo del modello nativo alle dim date.
vuoto	run (Input oggetto , Output oggetto ) Esegue l'inferenza del modello se il modello accetta solo un input e fornisce un solo output.
vuoto	runForMultipleInputsOutputs ( Object[] input, Map < Integer , Object > output) Esegue l'inferenza del modello se il modello accetta più input o restituisce più output.
vuoto	runSignature ( Map < String , Object > input, Map < String , Object > output) Uguale a `runSignature(Map, Map, String)` ma non richiede il passaggio di una signatureKey, supponendo che il modello abbia una SignatureDef.
vuoto	runSignature ( Map < String , Object > input, Map < String , Object > output, String signatureKey) Esegue l'inferenza del modello basata su SignatureDef fornito tramite `signatureKey` .
vuoto	setCancelled (booleano annullato) Avanzate: interrompe l'inferenza nel mezzo di una chiamata a `run(Object, Object)` .

Metodi ereditati

Dalla classe java.lang.Object

booleano	uguale a ( Oggetto arg0)
Classe finale <?>	getClass ()
int	codice hash ()
vuoto finale	notificare ()
vuoto finale	notificaTutto ()
Corda	aStringa ()
vuoto finale	wait (long arg0, int arg1)
vuoto finale	aspetta (lungo arg0)
vuoto finale	aspetta ()

Dall'interfaccia org.tensorflow.lite.InterpreterApi

vuoto astratto	allocateTensors () Aggiorna esplicitamente le allocazioni per tutti i tensori, se necessario.
vuoto astratto	chiudi () Rilascia le risorse associate all'istanza di `InterpreterApi` .
interprete staticoApi	creare ( file modelloFile, opzioni InterpreterApi.Options ) Costruisce un'istanza di `InterpreterApi` , usando il modello e le opzioni specificati.
interprete staticoApi	create ( ByteBuffer byteBuffer, opzioni InterpreterApi.Options ) Costruisce un'istanza di `InterpreterApi` , usando il modello e le opzioni specificati.
astratto int	getInputIndex ( String opName) Ottiene l'indice di un input dato il nome operativo dell'input.
Tensore astratto	getInputTensor (int inputIndex) Ottiene il Tensor associato all'indice di input fornito.
astratto int	getInputTensorCount () Ottiene il numero di tensori di input.
astratto Lungo	getLastNativeInferenceDurationNanoseconds () Restituisce la temporizzazione dell'inferenza nativa.
astratto int	getOutputIndex ( String opName) Ottiene l'indice di un output dato il nome operativo dell'output.
Tensore astratto	getOutputTensor (int outputIndex) Ottiene il Tensor associato all'indice di output fornito.
astratto int	getOutputTensorCount () Ottiene il numero di tensori di output.
vuoto astratto	resizeInput (int idx, int[] dims, boolean strict) Ridimensiona l'input idx-esimo del modello nativo alle dim date.
vuoto astratto	resizeInput (int idx, int[] dim) Ridimensiona l'input idx-esimo del modello nativo alle dim date.
vuoto astratto	run (Input oggetto , Output oggetto ) Esegue l'inferenza del modello se il modello accetta solo un input e fornisce un solo output.
vuoto astratto	runForMultipleInputsOutputs ( Object[] input, Map < Integer , Object > output) Esegue l'inferenza del modello se il modello accetta più input o restituisce più output.

Dall'interfaccia java.lang.AutoCloseable

vuoto astratto

chiudi ()

Costruttori pubblici

Interprete pubblico ( File modelFile)

Inizializza un Interpreter .

Parametri

modelloFile	a File di un modello TF Lite pre-addestrato.

Tiri

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

public Interpreter ( file modelFile, opzioni Interpreter.Options )

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

Parametri

modelloFile	un file di un modello TF Lite pre-addestrato
opzioni	una serie di opzioni per personalizzare il comportamento dell'interprete

Tiri

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

Interprete pubblico ( ByteBuffer byteBuffer)

Inizializza un Interpreter con un ByteBuffer di un file modello.

Il ByteBuffer non deve essere modificato dopo la costruzione di un Interpreter . Il ByteBuffer può essere un MappedByteBuffer che mappa in memoria un file di modello o un ByteBuffer diretto di nativeOrder() che contiene il contenuto di byte di un modello.

Parametri

byteBuffer

Tiri

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

public Interpreter ( ByteBuffer byteBuffer, opzioni Interpreter.Options )

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

Il ByteBuffer non deve essere modificato dopo la costruzione di un Interpreter . Il ByteBuffer può essere un MappedByteBuffer che mappa in memoria un file di modello o un ByteBuffer diretto di nativeOrder() che contiene il contenuto di byte di un modello.

Parametri

byteBuffer
opzioni

Tiri

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

Metodi pubblici

public void allocateTensors ()

Aggiorna esplicitamente le allocazioni per tutti i tensori, se necessario.

Ciò propagherà le forme e le allocazioni di memoria per i tensori dipendenti utilizzando le forme del tensore di input come indicato.

Nota: questa chiamata è *puramente facoltativa*. L'allocazione del tensore avverrà automaticamente durante l'esecuzione se i tensori di input sono stati ridimensionati. Questa chiamata è molto utile per determinare le forme di 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 propagarsi completamente finché non viene eseguita l'inferenza.

pubblico vuoto chiudere ()

Rilascia le risorse associate all'istanza di InterpreterApi .

public int getInputIndex ( String opName)

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

Parametri

opName

public Tensor getInputTensor (int inputIndex)

Ottiene il Tensor associato all'indice di input fornito.

Parametri

inputIndex

public int getInputTensorCount ()

Ottiene il numero di tensori di input.

public Tensor getInputTensorFromSignature ( String inputName, String signatureKey)

Ottiene 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	La chiave della firma che identifica la SignatureDef, può essere nulla se il modello ha una firma.

Tiri

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

public Long getLastNativeInferenceDurationNanoseconds ()

Restituisce la temporizzazione dell'inferenza nativa.

public int getOutputIndex ( String opName)

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

Parametri

opName

public Tensor getOutputTensor (int outputIndex)

Ottiene il Tensor associato all'indice di output fornito.

Nota: i dettagli del tensore di output (ad esempio, la forma) potrebbero non essere completamente popolati fino a dopo l'esecuzione dell'inferenza. Se hai bisogno di dettagli aggiornati *prima* di eseguire l'inferenza (ad esempio, dopo aver ridimensionato un tensore di input, che potrebbe invalidare le forme del tensore di output), usa allocateTensors() per attivare esplicitamente l'allocazione e la propagazione della forma. Si noti che, per i grafici con forme di output che dipendono dai *valori* di input, la forma di output potrebbe non essere completamente determinata fino all'esecuzione dell'inferenza.

Parametri

outputIndex

public int getOutputTensorCount ()

Ottiene il numero di tensori di output.

public Tensor getOutputTensorFromSignature ( String outputName, String signatureKey)

Ottiene 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	La chiave della firma che identifica la SignatureDef, può essere nulla se il modello ha una firma.

Tiri

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

public String[] getSignatureInputs ( String signatureKey)

Ottiene l'elenco degli input di SignatureDefs per il metodo signatureKey .

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

Parametri

signatureKey

public String[] getSignatureKeys ()

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

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

public String[] getSignatureOutputs ( String signatureKey)

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

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

Parametri

signatureKey

public void resetVariableTensors ()

Avanzate: ripristina tutti i tensori variabili al valore predefinito.

Se un tensore variabile non ha un buffer associato, verrà ripristinato a zero.

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

public void resizeInput (int idx, int[] dims, boolean strict)

Ridimensiona l'input idx-esimo del modello nativo alle dim date.

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

Parametri

idx
si attenua
severa

public void resizeInput (int idx, int[] dims)

Ridimensiona l'input idx-esimo del modello nativo alle dim date.

Parametri

idx
si attenua

public void run (input oggetto , output oggetto )

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

Avviso: l'API è più efficiente se viene utilizzato un Buffer (preferibilmente diretto, ma non necessario) come tipo di dati di input/output. Si prega di considerare l'utilizzo del Buffer per alimentare e recuperare dati primitivi per prestazioni migliori. Sono supportati i seguenti tipi di Buffer concreti:

ByteBuffer - compatibile con qualsiasi tipo di Tensor primitivo sottostante.
FloatBuffer - compatibile con i tensori float.
IntBuffer - compatibile con i tensori int32.
LongBuffer - compatibile con i tensori int64.

Si noti che i tipi booleani sono supportati solo come array, non come Buffer o come input scalari.

Parametri

ingresso un array o un array multidimensionale o un Buffer di tipi primitivi inclusi int, float, long e byte. Buffer è il modo preferito per passare dati di input di grandi dimensioni per i tipi primitivi, mentre i tipi di stringa richiedono l'utilizzo del percorso di input dell'array (multidimensionale). Quando viene utilizzato un Buffer , il suo contenuto dovrebbe rimanere invariato fino a quando non viene eseguita l'inferenza del modello e il chiamante deve assicurarsi che il Buffer si trovi nella posizione di lettura appropriata. Un valore null è consentito solo se il chiamante utilizza un Delegate che consente l'interoperabilità della gestione del buffer e tale buffer è stato associato all'input Tensor .

produzione una matrice multidimensionale di dati di output o un Buffer di tipi primitivi inclusi int, float, long e byte. Quando viene utilizzato un Buffer , il chiamante deve assicurarsi che sia impostata la posizione di scrittura appropriata. È consentito un valore nullo, utile in alcuni casi, ad esempio se il chiamante utilizza un Delegate che consente l'interoperabilità dell'handle del buffer e tale buffer è stato associato all'output Tensor (vedere anche Interpreter.Options#setAllowBufferHandleOutput(boolean) ), o se il grafico ha output di forma dinamica e il chiamante deve interrogare la forma del Tensor di output dopo che è stata richiamata l'inferenza, recuperando i dati direttamente dal tensore di output (tramite Tensor.asReadOnlyBuffer() ).

ingresso	un array o un array multidimensionale o un `Buffer` di tipi primitivi inclusi int, float, long e byte. `Buffer` è il modo preferito per passare dati di input di grandi dimensioni per i tipi primitivi, mentre i tipi di stringa richiedono l'utilizzo del percorso di input dell'array (multidimensionale). Quando viene utilizzato un `Buffer` , il suo contenuto dovrebbe rimanere invariato fino a quando non viene eseguita l'inferenza del modello e il chiamante deve assicurarsi che il `Buffer` si trovi nella posizione di lettura appropriata. Un valore `null` è consentito solo se il chiamante utilizza un `Delegate` che consente l'interoperabilità della gestione del buffer e tale buffer è stato associato all'input `Tensor` .
produzione	una matrice multidimensionale di dati di output o un `Buffer` di tipi primitivi inclusi int, float, long e byte. Quando viene utilizzato un `Buffer` , il chiamante deve assicurarsi che sia impostata la posizione di scrittura appropriata. È consentito un valore nullo, utile in alcuni casi, ad esempio se il chiamante utilizza un `Delegate` che consente l'interoperabilità dell'handle del buffer e tale buffer è stato associato all'output `Tensor` (vedere anche Interpreter.Options#setAllowBufferHandleOutput(boolean) ), o se il grafico ha output di forma dinamica e il chiamante deve interrogare la forma del `Tensor` di output dopo che è stata richiamata l'inferenza, recuperando i dati direttamente dal tensore di output (tramite `Tensor.asReadOnlyBuffer()` ).

public void runForMultipleInputsOutputs (Ingressi Object[] , Map < Integer , Object > output)

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

Avvertenza: l'API è più efficiente se i Buffer (preferibilmente diretti, ma non obbligatori) vengono utilizzati come tipi di dati di input/output. Si prega di considerare l'utilizzo del Buffer per alimentare e recuperare dati primitivi per prestazioni migliori. Sono supportati i seguenti tipi di Buffer concreti:

ByteBuffer - compatibile con qualsiasi tipo di Tensor primitivo sottostante.
FloatBuffer - compatibile con i tensori float.
IntBuffer - compatibile con i tensori int32.
LongBuffer - compatibile con i tensori int64.

Si noti che i tipi booleani sono supportati solo come array, non come Buffer o come input scalari.

Nota: i valori null per singoli elementi di inputs e outputs sono consentiti solo se il chiamante utilizza un Delegate che consente l'interoperabilità della gestione del buffer e tale buffer è stato associato al Tensor (i) di input o output corrispondente.

Parametri

ingressi una matrice di dati di input. Gli input devono essere nello stesso ordine degli input del modello. Ogni input può essere una matrice o una matrice multidimensionale o un Buffer di tipi primitivi inclusi int, float, long e byte. Buffer è il modo preferito per passare dati di input di grandi dimensioni, mentre i tipi di stringa richiedono l'utilizzo del percorso di input dell'array (multidimensionale). Quando viene utilizzato il Buffer , il suo contenuto deve rimanere invariato fino al completamento dell'inferenza del modello e il chiamante deve assicurarsi che il Buffer si trovi nella posizione di lettura appropriata.

uscite una mappa che mappa gli indici di output su array multidimensionali di dati di output o Buffer di tipi primitivi inclusi int, float, long e byte. Ha solo bisogno di conservare le voci per gli output da utilizzare. Quando viene utilizzato un Buffer , il chiamante deve assicurarsi che sia impostata la posizione di scrittura appropriata. La mappa può essere vuota per i casi in cui vengono utilizzati gli handle del buffer per i dati del tensore di output o nei casi in cui gli output hanno una forma dinamica e il chiamante deve interrogare la forma del Tensor di output dopo che è stata invocata l'inferenza, recuperando i dati direttamente dal tensore di output ( tramite Tensor.asReadOnlyBuffer() ).

ingressi	una matrice di dati di input. Gli input devono essere nello stesso ordine degli input del modello. Ogni input può essere una matrice o una matrice multidimensionale o un `Buffer` di tipi primitivi inclusi int, float, long e byte. `Buffer` è il modo preferito per passare dati di input di grandi dimensioni, mentre i tipi di stringa richiedono l'utilizzo del percorso di input dell'array (multidimensionale). Quando viene utilizzato il `Buffer` , il suo contenuto deve rimanere invariato fino al completamento dell'inferenza del modello e il chiamante deve assicurarsi che il `Buffer` si trovi nella posizione di lettura appropriata.
uscite	una mappa che mappa gli indici di output su array multidimensionali di dati di output o `Buffer` di tipi primitivi inclusi int, float, long e byte. Ha solo bisogno di conservare le voci per gli output da utilizzare. Quando viene utilizzato un `Buffer` , il chiamante deve assicurarsi che sia impostata la posizione di scrittura appropriata. La mappa può essere vuota per i casi in cui vengono utilizzati gli handle del buffer per i dati del tensore di output o nei casi in cui gli output hanno una forma dinamica e il chiamante deve interrogare la forma del `Tensor` di output dopo che è stata invocata l'inferenza, recuperando i dati direttamente dal tensore di output ( tramite `Tensor.asReadOnlyBuffer()` ).

public void runSignature ( Map < String , Object > input, Map < String , Object > output)

Uguale a runSignature(Map, Map, String) ma non richiede il passaggio di una signatureKey, supponendo che il modello abbia una SignatureDef. Se il modello ha più di un SignatureDef genererà un'eccezione.

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

Parametri

ingressi
uscite

public void runSignature ( Map < String , Object > input, Map < String , Object > output, String signatureKey)

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

Vedere run(Object, Object) per maggiori dettagli sui tipi di dati di input e output consentiti.

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

Parametri

ingressi	Una mappa dal nome di input in SignatureDef a un oggetto di input.
uscite	Una mappa dal nome di output in SignatureDef ai dati di output. Questo può essere vuoto se il chiamante desidera interrogare i dati del `Tensor` direttamente dopo l'inferenza (ad esempio, se la forma dell'output è dinamica o vengono utilizzate le maniglie del buffer di output).
signatureKey	Chiave di firma che identifica la SignatureDef.

Tiri

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

public void setCancelled (booleano annullato)

Avanzate: interrompe l'inferenza nel mezzo di una chiamata a run(Object, Object) .

Un flag di annullamento verrà impostato su true quando questa funzione viene chiamata. L'interprete controllerà il flag tra le invocazioni Op e, se è true , l'interprete interromperà l'esecuzione. L'interprete rimarrà uno stato annullato fino a quando non verrà esplicitamente "uncancellato" da setCancelled(false) .

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

Parametri

annullato	`true` per annullare l'inferenza nel miglior modo possibile; `false` per riprendere.

Tiri

IllegalStateException	se l'interprete non è inizializzato con l'opzione cancellabile, che per impostazione predefinita è disattivata.

Guarda anche

Interpreter.Options.setCancellable(boolean)