refactor(core): 提炼公共类型

- 将 AxisDim、TensorInfo 等公共类型下沉至 ddddocr_core::types
- 项目结构优化

ddddocr-ort/src/ocr/session.rs

@@ -1,70 +1,69 @@
 use crate::types::Session;
 use ddddocr_core::ModelMetadata;
+use ddddocr_core::OcrOutput;
 use ddddocr_core::error::{DdddError, Result, TensorError};
+use ddddocr_core::traits::{InferenceEngine, Info, OcrEngine};
+use ddddocr_core::types::{AxisDim, ModelInfo, TensorInfo, TensorType};
 use ddddocr_core::utils::normalize_ocr_logits;
-use ddddocr_core::{InferenceEngine, OcrEngine, OcrOutput};
 use ort::inputs;
 use ort::value::{TensorElementType, TensorRef};
 use std::sync::Mutex;
 // 引入核心层的统一错误类型
 /// 明确命名为 AxisDim，代表模型某一个轴的维度特征
-#[derive(Clone, PartialEq, Eq)]
-pub enum AxisDim {
-    /// 静态固定维度（如通道数固定为 1，高度固定为 64）
-    Static(usize),
-    /// 动态符号维度（如宽度是动态的 "image_width"）
-    Dynamic(String),
-}
+// #[derive(Clone, PartialEq, Eq)]
+// pub enum AxisDim {
+//     /// 静态固定维度（如通道数固定为 1，高度固定为 64）
+//     Static(usize),
+//     /// 动态符号维度（如宽度是动态的 "image_width"）
+//     Dynamic(String),
+// }
 
-impl AxisDim {
-    /// 便捷方法：判断是否为动态维度
-    pub fn is_dynamic(&self) -> bool {
-        matches!(self, AxisDim::Dynamic(_))
-    }
-}
-/// 自定义 Debug 格式化输出，彻底融化套娃外壳，保证日志干净漂亮
-impl std::fmt::Debug for AxisDim {
-    fn fmt(&self, f: &mut std::fmt::Formatter<'_>) -> std::fmt::Result {
-        match self {
-            AxisDim::Static(size) => write!(f, "{}", size),
-            AxisDim::Dynamic(expr) => write!(f, "Dynamic(\"{}\")", expr),
-        }
-    }
-}
+// impl AxisDim {
+//     /// 便捷方法：判断是否为动态维度
+//     pub fn is_dynamic(&self) -> bool {
+//         matches!(self, AxisDim::Dynamic(_))
+//     }
+// }
+// /// 自定义 Debug 格式化输出，彻底融化套娃外壳，保证日志干净漂亮
+// impl std::fmt::Debug for AxisDim {
+//     fn fmt(&self, f: &mut std::fmt::Formatter<'_>) -> std::fmt::Result {
+//         match self {
+//             AxisDim::Static(size) => write!(f, "{}", size),
+//             AxisDim::Dynamic(expr) => write!(f, "Dynamic(\"{}\")", expr),
+//         }
+//     }
+// }
 /// 模拟 Python 的 input_info 和 output_info 结构
-#[derive(Debug, Clone)]
-pub struct TensorInfo {
-    pub name: String,
-    pub shape: Vec<AxisDim>, // 既包含 Fixed 静态维度，也包含 Dynamic 动态符号
-    pub data_type: TensorElementType, // 对应 Python 的 type
-}
-
-/// 最终返回的模型完整信息
-#[derive(Debug, Clone)]
-pub struct ModelInfo {
-    pub inputs: Vec<TensorInfo>,
-    pub outputs: Vec<TensorInfo>,
-    /// 硬件执行提供者（采用 Option 兼容不同底层的推理引擎）
-    pub providers: Option<Vec<String>>,
-}
-pub struct OcrSession {
+// #[derive(Debug, Clone)]
+// pub struct TensorInfo {
+//     pub name: String,
+//     pub shape: Vec<AxisDim>, // 既包含 Fixed 静态维度，也包含 Dynamic 动态符号
+//     pub data_type: TensorElementType, // 对应 Python 的 type
+// }
+//
+// /// 最终返回的模型完整信息
+// #[derive(Debug, Clone)]
+// pub struct ModelInfo {
+//     pub inputs: Vec<TensorInfo>,
+//     pub outputs: Vec<TensorInfo>,
+//     /// 硬件执行提供者（采用 Option 兼容不同底层的推理引擎）
+//     pub providers: Option<Vec<String>>,
+// }
+pub struct OcrRuntime {
     pub session: Session,
-    pub model_metadata: ModelMetadata,
+    pub metadata: ModelMetadata,
 }
-impl OcrSession {
-    pub fn new(session: Session, model_metadata: ModelMetadata) -> Self {
-        Self {
-            session,
-            model_metadata,
-        }
+impl OcrRuntime {
+    pub fn new(session: Session, metadata: ModelMetadata) -> Self {
+        Self { session, metadata }
     }
 }
-impl OcrEngine for OcrSession {
+impl OcrEngine for OcrRuntime {
     fn metadata(&self) -> &ModelMetadata {
-        &self.model_metadata
+        &self.metadata
     }
 }
-impl InferenceEngine for OcrSession {
+impl InferenceEngine for OcrRuntime {
     type Output = OcrOutput;
     /// 对应 Python 的 _inference
     fn inference(&self, input_array: ndarray::Array4<f32>) -> Result<Self::Output, TensorError> {
@@ -76,18 +75,6 @@ impl InferenceEngine for OcrSession {
             .lock()
             .map_err(|_| TensorError::Engine("获取 Session 锁失败 (Poisoned)".to_string()))?;
 
-        // // 2. 获取输入节点名称
-        // let input_name = session_guard
-        //     .inputs()
-        //     .first()
-        //     .map(|i| i.name())
-        //     .unwrap_or("input");
-        //
-        // // 3. 在 session_guard (&mut Session) 上调用 run
-        // let outputs = session_guard
-        //     .run(inputs![TensorRef::from_array_view(&input_array).map_err(|e| TensorError::Engine(format!("构建输入失败: {e}")))? )
-        //     .map_err(|e| TensorError::Engine(format!("执行模型推理失败: {e}")))?;
-
         let result = session_guard
             .run(inputs![TensorRef::from_array_view(&input_array).map_err(
                 |e| TensorError::Engine(format!("构建输入失败: {e}"))
@@ -97,10 +84,7 @@ impl InferenceEngine for OcrSession {
         println!("模型输出原始数据: {:?}", result);
         // Ok(result.swap_remove(0).into_tensor())
         let raw_value = &result[0];
-        // let dtype = raw_tensor
-        //     .dtype();
-        // .map_err(|e| TensorError::Engine(format!("无法读取输出数据类型: {e}")))?;
-        // 在引擎内部消化掉 DatumType 强耦合
+
         match raw_value.dtype().tensor_type().unwrap() {
             TensorElementType::Int64 => {
                 let (array_d, slice) = raw_value
@@ -108,7 +92,7 @@ impl InferenceEngine for OcrSession {
                     .map_err(|_| TensorError::Engine("Tract 无法获取 i64 内存视图".to_string()))?;
                 // .context("Tract 无法获取 i64 内存视图")?;
 
-                // 🌟 提前提取真实维度
+                //  提前提取真实维度
                 let actual_shape = array_d
                     .to_vec()
                     .iter()
@@ -151,75 +135,16 @@ impl InferenceEngine for OcrSession {
         }
     }
 }
-// impl OcrSession {
-//     /// 获取模型输入的节点信息列表
-//     pub fn input_info(&self) -> Result<Vec<TensorInfo>> {
-//         let model = self.session.model();
-//         let outlets = model.input_outlets().map_err(DdddError::new)?;
-//         self.resolve_tensors(model, outlets)
-//     }
-//
-//     /// 获取模型输出的节点信息列表
-//     pub fn output_info(&self) -> Result<Vec<TensorInfo>> {
-//         let model = self.session.model();
-//         let outlets = model.output_outlets().map_err(DdddError::new)?;
-//         self.resolve_tensors(model, outlets)
-//     }
-//
-//     /// 获取模型详细元数据信息（对标 Python ddddocr 的 get_model_info）
-//     /// 完美包容 [1, 1, 64, image_width] 这样的变长图像模型
-//     /// 获取模型详细元数据信息（代码更紧凑、优雅）
-//     pub fn model_info(&self) -> Result<ModelInfo> {
-//         Ok(ModelInfo {
-//             inputs: self.input_info()?,
-//             outputs: self.output_info()?,
-//             providers: None,
-//         })
-//     }
-//
-//     /// 提取出来的公共转换逻辑：将一组 OutletId 解析为 TensorInfo 列表
-//     fn resolve_tensors(&self, model: &TypedModel, outlets: &[OutletId]) -> Result<Vec<TensorInfo>> {
-//         outlets
-//             .iter()
-//             .map(|&outlet_id| {
-//                 let fact = model.outlet_fact(outlet_id).map_err(DdddError::new)?;
-//                 //     .map_err(|e| {
-//                 //     DdddError::InternalError(format!("解析节点 Fact 失败: {:?}", e))
-//                 // })?;
-//
-//                 let shape = self.resolve_shape(&fact.shape);
-//                 let node_name = model.node(outlet_id.node).name.clone();
-//
-//                 Ok(TensorInfo {
-//                     name: node_name,
-//                     shape,
-//                     data_type: fact.datum_type,
-//                 })
-//             })
-//             .collect() // 函数式声明：自动传播第一处发生的错误
-//     }
-//
-//     /// 安全还原 Tract 维度至 Vec<AxisDim>
-//     fn resolve_shape(&self, shape_fact: &ShapeFact) -> Vec<AxisDim> {
-//         let tract_shape = shape_fact.to_tvec();
-//
-//         let resolved = tract_shape
-//             .iter()
-//             .map(|dim| {
-//                 // 防御性编程：必须同时满足能够转换为 i64 且 大于等于 0
-//                 if let Ok(size) = dim.to_i64() {
-//                     if size >= 0 {
-//                         AxisDim::Static(size as usize)
-//                     } else {
-//                         // 如果 ONNX 导出时某些动态维度被标记为了 -1，安全地作为动态符号捕获
-//                         AxisDim::Dynamic(dim.to_string())
-//                     }
-//                 } else {
-//                     AxisDim::Dynamic(dim.to_string())
-//                 }
-//             })
-//             .collect();
-//
-//         resolved
-//     }
-// }
+impl Info for OcrRuntime {
+    fn input_info(&self) -> Result<Vec<TensorInfo>> {
+        todo!()
+    }
+
+    fn output_info(&self) -> Result<Vec<TensorInfo>> {
+        todo!()
+    }
+
+    fn model_info(&self) -> Result<ModelInfo> {
+        todo!()
+    }
+}