Hugging Face's logo

Diffusers documentation

Output

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Output

Semua keluaran model adalah subkelas dari BaseOutput, struktur data yang berisi semua informasi yang dikembalikan oleh model. Keluaran tersebut juga dapat digunakan sebagai tuple atau kamus.

Sebagai contoh:

from diffusers import DDIMPipeline

pipeline = DDIMPipeline.from_pretrained("google/ddpm-cifar10-32")
outputs = pipeline()

Objek outputs adalah ImagePipelineOutput, yang berarti memiliki atribut image.

Anda dapat mengakses setiap atribut seperti biasa atau dengan pencarian kata kunci, dan jika atribut tersebut tidak dikembalikan oleh model, Anda akan mendapatkan None:

outputs.images
outputs["images"]

Saat objek outputs dipertimbangkan sebagai tuple, hanya atribut yang tidak memiliki nilai None yang dipertimbangkan. Sebagai contoh, mengambil gambar dengan mengindeksnya mengembalikan tuple (outputs.images):

outputs[:1]

Untuk memeriksa output pipeline atau model tertentu, lihat dokumentasi API yang sesuai.

BaseOutput

kelas diffusers.utils.BaseOutput

< >

( )

Kelas dasar untuk semua output model sebagai dataclass. Memiliki __getitem__ yang memungkinkan indeksasi dengan integer atau slice (seperti tuple) atau string (seperti dictionary) yang akan mengabaikan atribut None. Selain itu, berperilaku seperti dictionary Python biasa.

> Anda tidak dapat mengurai BaseOutput secara langsung. Gunakan metode to_tuple() untuk mengubahnya menjadi tuple > terlebih dahulu.

to_tuple

< >

( )

Konversi self menjadi tuple yang berisi semua atribut/kunci yang bukan None.

ImagePipelineOutput

kelas diffusers.ImagePipelineOutput

< >

( images: list[PIL.Image.Image] | numpy.ndarray )

Parameter

  • images (List[PIL.Image.Image] atau np.ndarray) — Daftar gambar PIL yang telah didenoise dengan panjang batch_size atau array NumPy dengan bentuk (batch_size, height, width, num_channels).

Kelas output untuk pipeline gambar.

AudioPipelineOutput

kelas diffusers.AudioPipelineOutput

< >

( audios: ndarray )

Parameter

  • audios (np.ndarray) — Daftar sampel audio yang telah dinoise dari array NumPy dengan bentuk (batch_size, num_channels, sample_rate).

Kelas output untuk pipeline audio.

ImageTextPipelineOutput

kelas diffusers.ImageTextPipelineOutput

< >

( images: list[PIL.Image.Image] | numpy.ndarray | Nonetext: list[str] | list[list[str]] | None )

Parameter

  • images (list[PIL.Image.Image] atau np.ndarray) — daftar gambar PIL yang telah didenoise dengan panjang batch_size atau array NumPy dengan bentuk (batch_size, height, width, num_channels).
  • text (list[str] atau list[list[str]]) — daftar string teks yang dihasilkan dengan panjang batch_size atau daftar dari daftar string di mana daftar luarnya memiliki panjang batch_size.

Kelas output untuk pipeline gambar-teks gabungan.

Update on GitHub

←Pencatatan Kuantisasi→