add ohos mindspore jsapi doc

Signed-off-by: Nfangzhou12 <fangzhou12@huawei.com>

zh-cn/application-dev/ai/Readme-CN.md

+# AI
+
+- [使用MindSpore Lite引擎进行模型推理](mindspore-lite-js-guidelines.md)

zh-cn/application-dev/ai/mindspore-lite-js-guidelines.md

+# 使用MindSpore Lite引擎进行模型推理
+
+## 场景介绍
+
+MindSpore Lite是一款AI引擎，它提供了面向不同硬件设备AI模型推理的功能，目前已经在图像分类、目标识别、人脸识别、文字识别等应用中广泛使用。
+
+本文介绍使用MindSpore Lite推理引擎实现模型推理的通用开发流程。对于使用Native接口实现模型推理，具体指导请见：[使用MindSpore Lite引擎进行模型推理 ](../napi/mindspore-lite-guidelines.md)。
+
+## 基本概念
+
+在进行开发前，请先了解以下概念。
+
+**张量**：它与数组和矩阵非常相似，是MindSpore Lite网络运算中的基本数据结构。
+
+**Float16推理模式**：  Float16又称半精度，它使用16比特表示一个数。Float16推理模式表示推理的时候用半精度进行推理。 
+
+## 接口说明
+这里给出MindSpore Lite推理的通用开发流程中涉及的一些接口，具体请见下列表格。更多接口及详细内容，请见[@ohos.ai.mindSporeLite (推理能力)](../reference/apis/js-apis-mindSporeLite.md)。
+
+| 接口名        | 描述        |
+| ------------------ | ----------------- |
+|loadModelFromFile(model: string, options: Context): Promise<Model>|从路径加载模型。|
+|getInputs(): MSTensor[]|获取模型的输入。|
+|predict(inputs: MSTensor[]): Promise<MSTensor>|推理模型。|
+| getData(): ArrayBuffer                 | 获取张量的数据。 |
+| setData(inputArray: ArrayBuffer): void | 设置张量的数据。 |
+
+## 开发步骤
+
+主要流程包括模型的准备、读取、编译、推理和释放，具体开发过程及细节请见下文的开发步骤及示例。
+
+1. 模型准备。需要的模型可以直接下载，也可以通过模型转换工具获得。需要的数据从bin文件读取。
+
+   - 下载模型的格式若为`.ms`，则可以直接使用。本文以mnet.caffemodel.ms为例。
+   - 如果是第三方框架的模型，比如 TensorFlow、TensorFlow Lite、Caffe、ONNX等，可以使用[模型转换工具](https://www.mindspore.cn/lite/docs/zh-CN/r2.0/use/downloads.html#1-8-1)转换为`.ms`格式的模型文件。
+2. 创建上下文，设置线程数、设备类型等参数。
+3. 加载模型。本文从路径读入模型。
+4. 加载数据。模型执行之前需要先获取输入，再向输入的张量中填充数据。
+5. 执行推理并打印输出。使用predict接口进行模型推理。
+```js
+@State inputName: string = 'mnet_caffemodel_nhwc.bin';
+@State T_model_predict: string = 'Test_MSLiteModel_predict'
+inputBuffer: any = null;
+build() {
+  Row() {
+  Column() {
+    Text(this.T_model_predict)
+      .focusable(true)
+      .fontSize(30)
+      .fontWeight(FontWeight.Bold)
+      .onClick(async () => {
+         //1.模型准备
+         let context = globalThis.context;
+         context.resourceManager.getRawFileContent(this.inputName).then((error,buffer) => {
+           this.inputBuffer = buffer;
+           console.log('=========input bin byte length: ' + this.inputBuffer.byteLength)
+         }).catch(error) {
+           console.error('Failed to get buffer, error code: ${error.code},message:${error.message}.');
+         }
+         //2.创建上下文
+         let options = {'target': ['cpu']}
+         options.cpu.threadNum = 1;
+         options.cpu.threadAffinityMode = 0;
+         options.cpu.precisionMode = 'enforce_fp32';
+         //3.加载模型
+         let modelFile = '/data/storage/el2/base/haps/entry/files/mnet.caffemodel.ms';
+         let msLiteModel = await mindSporeLite.loadModelFromFile(modelFile);
+         //4.加载数据
+         const modelInputs = msLiteModel.getInputs();
+         modelInputs[0].setData(this.inputBuffer.buffer);
+         //5.执行推理并打印输出
+         console.log('=========MSLITE predict start=====')
+         msLiteModel.predict(modelInputs).then((modelOutputs) => {
+           let output0 = new Float32Array(modelOutputs[0].getData());
+           for (let i = 0; i < output0.length; i++) {
+               console.log(output0[i].toString());
+           }
+         })
+         console.log('=========MSLITE predict success=====')
+       })
+  }
+  .width('100%')
+  }
+  .height('100%')
+}
+```
+
+## 调测验证
+
+1. 在DevEco Studio 中连接rk3568开发板，点击Run entry，编译自己的hap，有如下显示：
+
+   ```shell
+   Launching com.example.myapptfjs
+   $ hdc uninstall com.example.myapptfjs
+   $ hdc install -r "D:\TVOS\JSAPI\MyAppTfjs\entry\build\default\outputs\default\entry-default-signed.hap"
+   $ hdc shell aa start -a EntryAbility -b com.example.myapptfjs
+   ```
+
+2. 使用hdc连接rk3568开发板，并将mnet.caffemodel.ms推送到设备中的沙盒目录。mnet_caffemodel_nhwc.bin在本地项目中的rawfile目录下。
+
+   ```shell
+   hdc -t 7001005458323933328a00bcdf423800 file send .\mnet.caffemodel.ms /data/app/el2/100/base/com.example.myapptfjs/haps/entry/files/
+   ```
+3. 在rk3568屏幕中点击Test_MSLiteModel_predict触发用例，在HiLog打印结果中得到如下结果：
+
+   ```shell                                        
+   08-27 23:25:50.278 31782-31782/? I C03d00/JSAPP: =========MSLITE predict start=====
+   08-27 23:25:51.487 31782-31782/? I C03d00/JSAPP: 0.10046602040529252
+   08-27 23:25:51.487 31782-31782/? I C03d00/JSAPP: 0.07535600662231445
+   08-27 23:25:51.487 31782-31782/? I C03d00/JSAPP: 0.06326554715633392
+   08-27 23:25:51.487 31782-31782/? I C03d00/JSAPP: 0.0015114173293113708
+   08-27 23:25:51.487 31782-31782/? I C03d00/JSAPP: -0.026745859533548355
+   08-27 23:25:51.487 31782-31782/? I C03d00/JSAPP: -0.055590517818927765
+   08-27 23:25:51.487 31782-31782/? I C03d00/JSAPP: -0.05325715243816376
+   08-27 23:25:51.487 31782-31782/? I C03d00/JSAPP: -0.04629542678594589
+   ...
+   08-27 23:25:52.881 31782-31782/? I C03d00/JSAPP: 0.23317644000053404
+   08-27 23:25:52.881 31782-31782/? I C03d00/JSAPP: 0.17999525368213654
+   08-27 23:25:50.372 31782-31782/? I C03d00/JSAPP: =========MSLITE predict success=====
+   ```

zh-cn/application-dev/reference/apis/js-apis-mindSporeLite.md

+# @ohos.ai.mindSporeLite (推理能力)
+
+MindSpore Lite是一款AI引擎，它提供了面向不同硬件设备AI模型推理的功能，目前已经在图像分类、目标识别、人脸识别、文字识别等应用中广泛使用。
+本模块介绍了MindSpore Lite推理引擎支持模型推理的相关能力。
+
+> **说明：**
+>
+> 本模块首批接口从API version 10开始支持。后续版本的新增接口，采用上角标单独标记接口的起始版本。示例代码使用模型均为MindSpore端侧模型。
+>
+
+## 导入模块
+```js
+import mindSporeLite from '@ohos.ai.mindSporeLite';
+```
+
+## Context
+
+定义运行环境的配置信息。
+
+### 属性
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+
+| 名称   | 类型                      | 可读 | 可写 | 说明                                                         |
+| ------ | ------------------------- | ---- | ---- | ------------------------------------------------------------ |
+| target | string[]                  | 是   | 是   | 配置目标后端。可选'cpu'，'nnrt'，默认'cpu'。                 |
+| cpu    | [CpuDevice](#cpudevice)   | 是   | 是   | CPU后端设备选项。只有当target包含'cpu'时，才能设置此属性。默认值为CpuDevice各属性默认值。 |
+| nnrt   | [NNRTDevice](#nnrtdevice) | 是   | 是   | NNRT后端设备选项。只有当target包含'nnrt'时，才能设置此属性，当前属性为空。 |
+
+**示例：** 
+
+```js
+let context = {} as any;
+context.target = ['cpu','nnrt'];
+```
+
+## CpuDevice
+
+CPU后端设备选项。
+
+### 属性
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+| 名称                   | 类型                                      | 可读 | 可写 | 说明                                                         |
+| ---------------------- | ----------------------------------------- | ---- | ---- | ------------------------------------------------------------ |
+| threadNum              | number                                    | 是   | 是   | 设置运行时的线程数，默认值：2。                              |
+| threadAffinityMode     | [ThreadAffinityMode](#threadaffinitymode) | 是   | 是   | 设置运行时的CPU绑核策略模式，默认值为不绑核：mindSporeLite.ThreadAffinityMode.NO_AFFINITIES。 |
+| threadAffinityCoreList | number[]                                  | 是   | 是   | 设置运行时的CPU绑核列表，设置绑核策略模式后使能，当绑核策略模式为mindSporeLite.ThreadAffinityMode.NO_AFFINITIES时，绑核列表为空。列表中的数字代表核的序号。默认值：[]。 |
+| precisionMode          | string                                    | 是   | 是   | 设置是否使能**Float16推理模式**，设置为'preferred_fp16'代表使能半精度推理，其余设置情况均为不支持，默认设置'enforce_fp32'表示不使能半精度推理。 |
+
+**Float16推理模式**：  Float16又称半精度，它使用16比特表示一个数。Float16推理模式表示推理的时候用半精度进行推理。 
+
+**示例：** 
+
+```js
+let context = {} as any;
+context.target = ['cpu'];
+context.cpu.threadAffinityMode = 0;
+context.cpu.precisionMode = 'preferred_fp16';
+context.cpu.threadAffinityCoreList = [0, 1, 2];
+```
+
+## NNRTDevice
+
+Neural Network Runtime表示神经网络运行时，简称NNRt。作为中间桥梁，连通上层 AI 推理框架和底层加速芯片，实现 AI 模型的跨芯片推理计算。MindSpore Lite 可配置NNRt后端。当前暂未支持。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+## ThreadAffinityMode
+
+设置运行时的CPU绑核策略模式，有效值为0-2，0为默认不绑核，1为绑大核，2为绑中核。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+| 名称               | 值   | 说明         |
+| ------------------ | ---- | ------------ |
+| NO_AFFINITIES      | 0    | 不绑核。     |
+| BIG_CORES_FIRST    | 1    | 绑大核优先。 |
+| LITTLE_CORES_FIRST | 2    | 绑中核优先。 |
+
+## mindSporeLite.loadModelFromFile
+
+loadModelFromFile(model: string, callback: Callback<Model>): void
+
+从完整路径加载输入模型用于推理。使用callback异步回调。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名   | 类型                      | 必填 | 说明                     |
+| -------- | ------------------------- | ---- | ------------------------ |
+| model    | string                    | 是   | 模型的完整输入路径。     |
+| callback | Callback<[Model](#model)> | 是   | 回调函数。返回模型对象。 |
+
+**示例：** 
+
+```js
+let model_file = '/path/to/xxx.ms';
+mindSporeLite.loadModelFromFile(model_file, (result) => {
+  const modelInputs = result.getInputs();
+  console.log(modelInputs[0].name);
+})
+```
+## mindSporeLite.loadModelFromFile
+
+loadModelFromFile(model: string, context: Context, callback: Callback&lt;Model&gt;): void
+
+从完整路径加载输入模型用于推理。使用callback异步回调。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名   | 类型                                | 必填 | 说明                   |
+| -------- | ----------------------------------- | ---- | ---------------------- |
+| model    | string                              | 是   | 模型的完整输入路径。   |
+| context | [Context](#context) | 是 | 运行环境的配置信息。 |
+| callback | Callback<[Model](#model)> | 是   | 回调函数。返回模型对象。 |
+
+**示例：** 
+
+```js
+let context = {
+  'target': ['cpu']
+};
+let model_file = '/path/to/xxx.ms';
+mindSporeLite.loadModelFromFile(model_file, context, (result) => {
+  const modelInputs = result.getInputs();
+  console.log(modelInputs[0].name);
+})
+```
+## mindSporeLite.loadModelFromFile
+
+loadModelFromFile(model: string, context?: Context): Promise&lt;Model&gt;
+
+从完整路径加载输入模型用于推理。使用Promise异步回调。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名  | 类型                | 必填 | 说明                 |
+| ------- | ------------------- | ---- | -------------------- |
+| model   | string              | 是   | 模型的完整输入路径。 |
+| context | [Context](#context) | 否   | 运行环境的配置信息。 |
+
+**返回值：**
+
+| 类型                      | 说明                         |
+| ------------------------- | ---------------------------- |
+| Promise<[Model](#model)> | Promise对象。返回Model对象。 |
+
+**示例：** 
+
+```js
+let model_file = '/path/to/xxx.ms';
+mindSporeLite.loadModelFromFile(model_file).then((result) => {
+  const modelInputs = result.getInputs();
+  console.log(modelInputs[0].name);
+})
+```
+## mindSporeLite.loadModelFromBuffer
+
+loadModelFromBuffer(model: ArrayBuffer, callback: Callback&lt;Model&gt;): void
+
+从内存加载输入模型用于推理。使用callback异步回调。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名   | 类型                      | 必填 | 说明                     |
+| -------- | ------------------------- | ---- | ------------------------ |
+| model    | ArrayBuffer               | 是   | 包含模型的内存。         |
+| callback | Callback<[Model](#model)> | 是   | 回调函数。返回模型对象。 |
+
+**示例：** 
+
+```js
+import resourceManager from '@ohos.resourceManager'
+@State modelName: string = 'xxx.ms';
+context.resourceManager.getRawFileContent(this.modelName).then((error,buffer) => {
+  this.modelBuffer = buffer;
+}).catch(error) {
+  console.error('Failed to get buffer, error code: ${error.code},message:${error.message}.');
+}
+mindSporeLite.loadModelFromBuffer(this.modelBuffer.buffer, (result) => {
+  const modelInputs = result.getInputs();
+  console.log(modelInputs[0].name);
+})
+```
+## mindSporeLite.loadModelFromBuffer
+
+loadModelFromBuffer(model: ArrayBuffer, context: Context, callback: Callback&lt;Model&gt;): void
+
+从内存加载输入模型用于推理。使用callback异步回调。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名   | 类型                                | 必填 | 说明                   |
+| -------- | ----------------------------------- | ---- | ---------------------- |
+| model    | ArrayBuffer                   | 是   | 包含模型的内存。 |
+| context | [Context](#context) | 是  | 运行环境的配置信息。 |
+| callback | Callback<[Model](#model)> | 是   | 回调函数。返回模型对象。 |
+
+**示例：** 
+
+```js
+import resourceManager from '@ohos.resourceManager'
+@State modelName: string = 'xxx.ms';
+context.resourceManager.getRawFileContent(this.modelName).then((error,buffer) => {
+  this.modelBuffer = buffer;
+}).catch(error) {
+  console.error('Failed to get buffer, error code: ${error.code},message:${error.message}.');
+}
+let context = {'target': ['cpu']};
+mindSporeLite.loadModelFromBuffer(this.modelBuffer.buffer, context, (result) => {
+  const modelInputs = result.getInputs();
+  console.log(modelInputs[0].name);
+})
+```
+## mindSporeLite.loadModelFromBuffer
+
+loadModelFromBuffer(model: ArrayBuffer, context?: Context): Promise&lt;Model&gt;
+
+从内存加载输入模型用于推理。使用Promise异步回调。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名  | 类型                | 必填 | 说明                 |
+| ------- | ------------------- | ---- | -------------------- |
+| model   | ArrayBuffer         | 是   | 包含模型的内存。     |
+| context | [Context](#context) | 否   | 运行环境的配置信息。 |
+
+**返回值：**
+
+| 类型                            | 说明                         |
+| ------------------------------- | ---------------------------- |
+| Promise<[Model](#model)> | Promise对象。返回Model对象。 |
+
+**示例：** 
+
+```js
+import resourceManager from '@ohos.resourceManager'
+@State modelName: string = 'xxx.ms';
+context.resourceManager.getRawFileContent(this.modelName).then((error,buffer) => {
+  this.modelBuffer = buffer;
+}).catch(error) {
+  console.error('Failed to get buffer, error code: ${error.code},message:${error.message}.');
+}
+mindSporeLite.loadModelFromBuffer(model_file).then((result) => {
+  const modelInputs = result.getInputs();
+  console.log(modelInputs[0].name);
+})
+```
+## mindSporeLite.loadModelFromFd
+
+loadModelFromFd(model: number, callback: Callback&lt;Model&gt;): void
+
+从文件描述符加载输入模型用于推理。使用callback异步回调。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名   | 类型                                | 必填 | 说明                   |
+| -------- | ----------------------------------- | ---- | ---------------------- |
+| model    | number                         | 是   | 模型的文件描述符。 |
+| callback | Callback<[Model](#model)> | 是   | 回调函数。返回模型对象。 |
+
+**示例：** 
+
+```js
+import fs from '@ohos.file.fs';
+let model_file = '/path/to/xxx.ms';
+fs.open(model_file, 0, async function(err, file) {
+  mindSporeLite.loadModelFromFd(file.fd, (result) => {
+  	const modelInputs = result.getInputs();
+  	console.log(modelInputs[0].name);
+  })
+})
+```
+## mindSporeLite.loadModelFromFd
+
+loadModelFromFd(model: number, context: Context, callback: Callback&lt;Model&gt;): void
+
+从文件描述符加载输入模型用于推理。使用callback异步回调。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名   | 类型                                | 必填 | 说明                   |
+| -------- | ----------------------------------- | ---- | ---------------------- |
+| model    | number                   | 是   | 模型的文件描述符。 |
+| context | [Context](#context) | 是  | 运行环境的配置信息。 |
+| callback | Callback<[Model](#model)> | 是   | 回调函数。返回模型对象。 |
+
+**示例：** 
+
+```js
+import fs from '@ohos.file.fs';
+let model_file = '/path/to/xxx.ms';
+let context = {'target': ['cpu']};
+fs.open(model_file, 0, async function(err, file) {
+  mindSporeLite.loadModelFromFd(file.fd, context, (result) => {
+    const modelInputs = result.getInputs();
+    console.log(modelInputs[0].name);
+  })
+})
+```
+## mindSporeLite.loadModelFromFd
+
+loadModelFromFd(model: number, context?: Context): Promise&lt; Model&gt;
+
+从文件描述符加载输入模型用于推理。使用Promise异步回调。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名  | 类型                | 必填 | 说明                 |
+| ------- | ------------------- | ---- | -------------------- |
+| model   | number              | 是   | 模型的文件描述符。   |
+| context | [Context](#context) | 否   | 运行环境的配置信息。 |
+
+**返回值：**
+
+| 类型                      | 说明                         |
+| ------------------------- | ---------------------------- |
+| Promise<[Model](#model)> | Promise对象。返回Model对象。 |
+
+**示例：** 
+
+```js
+import fs from '@ohos.file.fs';
+let model_file = '/path/to/xxx.ms';
+fs.open(model_file, 0, async function(err, file) {
+  let mindSporeLiteModel = await mindSporeLite.loadModelFromFd(file.fd);
+  mindSporeLite.loadModelFromFd(file.fd).then((result) => {
+    const modelInputs = result.getInputs();
+    console.log(modelInputs[0].name);
+  })
+})
+```
+## Model
+
+模型实例。描述Model对象的属性和方法。
+
+下例API示例中都需先使用[loadModelFromFile()](#mindsporeliteloadmodelfromfile)、[loadModelFromBuffer()](#mindsporeliteloadmodelfrombuffer)、[loadModelFromFd()](#mindsporeliteloadmodelfromfd)中的任一方法获取到Model实例，再通过此实例调用对应方法。
+
+### getInputs
+
+getInputs(): MSTensor[]
+
+获取模型的输入用于推理。
+
+**系统能力：**  SystemCapability.AI.MindSporeLite
+
+**返回值：**
+
+| 类型                    | 说明               |
+| ----------------------- | ------------------ |
+| [MSTensor](#mstensor)[] | 返回MSTensor对象。 |
+
+**示例：** 
+
+```js
+let model_file = '/path/to/xxx.ms';
+mindSporeLite.loadModelFromFile(model_file).then((result) => {
+  const modelInputs = result.getInputs();
+  console.log(modelInputs[0].name);
+})
+```
+### predict
+
+predict(inputs: MSTensor[], callback: Callback&lt;Model&gt;): void
+
+执行推理模型。使用callback异步回调。
+
+**系统能力：**  SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名 | 类型                    | 必填 | 说明                       |
+| ------ | ----------------------- | ---- | -------------------------- |
+| inputs | [MSTensor](#mstensor)[] | 是   | 模型的输入。MSTensor对象。 |
+| callback | Callback<[Model](#model)> | 是   | 回调函数。返回模型对象。 |
+
+**示例：** 
+
+```js
+import resourceManager from '@ohos.resourceManager'
+@State inputName: string = 'input_data.bin';
+context.resourceManager.getRawFileContent(this.inputName).then((error,buffer) => {
+  this.inputBuffer = buffer;
+  let model_file = '/path/to/xxx.ms';
+  let mindSporeLiteModel = await mindSporeLite.loadModelFromFile(model_file);
+  const modelInputs = mindSporeLiteModel.getInputs();
+  modelInputs[0].setData(this.inputBuffer.buffer);
+  result.predict(modelInputs, (result) => {
+    let output = new Float32Array(result[0].getData());
+    for (let i = 0; i < output.length; i++) {
+      console.log(output[i].toString());
+    }
+  })
+})
+```
+### predict
+
+predict(inputs: MSTensor[]): Promise&lt;MSTensor[]&gt;
+
+执行推理模型。使用Promise异步回调。
+
+**系统能力：**  SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名 | 类型                    | 必填 | 说明                       |
+| ------ | ----------------------- | ---- | -------------------------- |
+| inputs | [MSTensor](#mstensor)[] | 是   | 模型的输入。MSTensor对象。 |
+
+**返回值：**
+
+| 类型                    | 说明               |
+| ----------------------- | ------------------ |
+| [MSTensor](#mstensor)[] | 返回MSTensor对象。 |
+
+**示例：** 
+
+```js
+import resourceManager from '@ohos.resourceManager'
+@State inputName: string = 'input_data.bin';
+context.resourceManager.getRawFileContent(this.inputName).then((error,buffer) => {
+  this.inputBuffer = buffer;
+  let model_file = '/path/to/xxx.ms';
+  let mindSporeLiteModel = await mindSporeLite.loadModelFromFile(model_file);
+  const modelInputs = mindSporeLiteModel.getInputs();
+  modelInputs[0].setData(this.inputBuffer.buffer);
+  result.predict(modelInputs).then((result) => {
+    let output = new Float32Array(result[0].getData());
+    for (let i = 0; i < output.length; i++) {
+      console.log(output[i].toString());
+    }
+  })
+})
+```
+
+### resize
+
+resize(inputs: MSTensor[], dims: Array&lt;Array&lt;number&gt;&gt;): boolean
+
+重新设置张量大小。
+
+**系统能力：**  SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名 | 类型                  | 必填 | 说明                          |
+| ------ | --------------------- | ---- | ----------------------------- |
+| inputs | [MSTensor](#mstensor)[]            | 是   | 模型的输入。    |
+| dims   | Array&lt;Array&lt;number&gt;&gt; | 是   | 需要修改的目标张量大小。 |
+
+**返回值：**
+
+| 类型    | 说明                                                         |
+| ------- | ------------------------------------------------------------ |
+| boolean | 返回是否设置成功的结果。true表示重新设置张量大小成功；false表示重新设置张量大小失败。 |
+
+**示例：** 
+
+```js
+let model_file = '/path/to/xxx.ms';
+let mindSporeLiteModel = await mindSporeLite.loadModelFromFile(model_file);
+const modelInputs = mindSporeLiteModel.getInputs();
+let new_dim = new Array([1,32,32,1]);
+mindSporeLiteModel.resize(modelInputs, new_dim);
+```
+
+## MSTensor
+
+模型张量实例。描述MSTensor对象的属性和方法。它与数组和矩阵非常相似，是MindSpore Lite网络运算中的基本数据结构。
+
+下例API示例中都需先使用[getInputs()](#getinputs)获取到MSTensor实例，再通过此实例调用对应方法。
+
+### 属性
+
+**系统能力：**  SystemCapability.AI.MindSporeLite
+
+| 名称       | 类型                  | 可读 | 可写 | 说明                                                 |
+| ---------- | --------------------- | ---- | ---- | ---------------------------------------------------- |
+| name       | string                | 是   | 是   | 张量的名称。默认为null                               |
+| shape      | number[]              | 是   | 是   | 张量的维度数组。默认为0。                            |
+| elementNum | number                | 是   | 是   | 张量的维度数组的长度。默认为0。                      |
+| dataSize   | number                | 是   | 是   | 张量的数据的长度。默认为0。                          |
+| dtype      | [DataType](#datatype) | 是   | 是   | 张量的数据类型。默认值为0，代表TYPE_UNKNOWN。        |
+| format     | [Format](#format)     | 是   | 是   | 张量的数据排布方式。默认值为-1，代表DEFAULT_FORMAT。 |
+
+**示例：** 
+
+```js
+let model_file = '/path/to/xxx.ms';
+let mindSporeLiteModel = await mindSporeLite.loadModelFromFile(model_file);
+const modelInputs = mindSporeLiteModel.getInputs();
+console.log(modelInputs[0].name);
+console.log(modelInputs[0].shape.toString());
+console.log(modelInputs[0].elementNum.toString());
+console.log(modelInputs[0].dtype.toString());
+console.log(modelInputs[0].format.toString());
+console.log(modelInputs[0].dataSize.toString());
+```
+
+### getData
+
+getData(): ArrayBuffer
+
+获取张量的数据。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**返回值：**
+
+| 类型        | 说明                 |
+| ----------- | -------------------- |
+| ArrayBuffer | 返回张量的数据指针。 |
+
+**示例：** 
+
+```js
+//如果已经获取了输出张量
+result.predict(modelInputs, (result) => {
+  let output = new Float32Array(result[0].getData());
+  for (let i = 0; i < output.length; i++) {
+    console.log(output[i].toString());
+  }
+})
+```
+
+### setData
+
+setData(inputArray: ArrayBuffer): void
+
+设置张量的数据。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+**参数：**
+
+| 参数名     | 类型        | 必填 | 说明                   |
+| ---------- | ----------- | ---- | ---------------------- |
+| inputArray | ArrayBuffer | 是   | 张量的输入数据缓冲区。 |
+
+**示例：** 
+
+```js
+import resourceManager from '@ohos.resourceManager'
+@State inputName: string = 'input_data.bin';
+context.resourceManager.getRawFileContent(this.inputName).then((error,buffer) => {
+  this.inputBuffer = buffer;
+})
+let model_file = '/path/to/xxx.ms';
+let mindSporeLiteModel = await mindSporeLite.loadModelFromFile(model_file);
+const modelInputs = mindSporeLiteModel.getInputs();
+modelInputs[0].setData(this.inputBuffer.buffer);
+```
+
+## DataType
+
+张量的数据类型。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+| 名称                | 值   | 说明                |
+| ------------------- | ---- | ------------------- |
+| TYPE_UNKNOWN        | 0    | 未知类型。          |
+| NUMBER_TYPE_INT8    | 32   | 保持Int8的类型。    |
+| NUMBER_TYPE_INT16   | 33   | 保持Int16的类型。   |
+| NUMBER_TYPE_INT32   | 34   | 保持Int32的类型。   |
+| NUMBER_TYPE_INT64   | 35   | 保持Int64的类型。   |
+| NUMBER_TYPE_UINT8   | 37   | 保持UInt8的类型。   |
+| NUMBER_TYPE_UINT16  | 38   | 保持UInt16的类型。  |
+| NUMBER_TYPE_UINT32  | 39   | 保持UInt32的类型。  |
+| NUMBER_TYPE_UINT64  | 40   | 保持UInt64的类型。  |
+| NUMBER_TYPE_FLOAT16 | 42   | 保持Float16的类型。 |
+| NUMBER_TYPE_FLOAT32 | 43   | 保持Float32的类型。 |
+| NUMBER_TYPE_FLOAT64 | 44   | 保持Float64的类型。 |
+
+## Format
+
+张量的数据排布方式。
+
+**系统能力：** SystemCapability.AI.MindSporeLite
+
+| 名称           | 值   | 说明                  |
+| -------------- | ---- | --------------------- |
+| DEFAULT_FORMAT | -1   | 未知数据排布方式。    |
+| NCHW           | 0    | 数据排布方式为NCHW。  |
+| NHWC           | 1    | 数据排布方式为NHWC。  |
+| NHWC4          | 2    | 数据排布方式为NHWC4。 |
+| HWKC           | 3    | 数据排布方式为HWKC。  |
+| HWCK           | 4    | 数据排布方式为HWCK。  |
+| KCHW           | 5    | 数据排布方式为KCHW。  |