# Đầu ra

Tất cả các đầu ra của mô hình đều là các lớp con của [BaseOutput](/docs/diffusers/main/vi/api/outputs#diffusers.utils.BaseOutput), các cấu trúc dữ liệu chứa toàn bộ thông tin được trả về bởi mô hình. Các đầu ra này cũng có thể được sử dụng như các bộ (tuples) hoặc từ điển (dictionaries).

Ví dụ:

```python
from diffusers import DDIMPipeline

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

Đối tượng `outputs` là một [ImagePipelineOutput](/docs/diffusers/main/vi/api/pipelines/consistency_models#diffusers.ImagePipelineOutput), nghĩa là nó có thuộc tính image.

Bạn có thể truy cập từng thuộc tính theo cách thông thường hoặc bằng cách tra cứu từ khóa, và nếu thuộc tính đó không được mô hình trả về, bạn sẽ nhận được `None`:

```python
outputs.images
outputs["images"]
```

Khi xem xét đối tượng `outputs` như một tuple, nó chỉ xem xét các thuộc tính không có giá trị `None`. Ví dụ, việc truy xuất một hình ảnh bằng cách chỉ mục vào nó sẽ trả về tuple `(outputs.images)`:

```python
outputs[:1]
```

> [!TIP]
> Để kiểm tra đầu ra của một pipeline hoặc model cụ thể, hãy tham khảo tài liệu API tương ứng của nó.

## BaseOutput[[diffusers.utils.BaseOutput]]

#### diffusers.utils.BaseOutput[[diffusers.utils.BaseOutput]]

[Nguồn](https://github.com/huggingface/diffusers/blob/main/src/diffusers/utils/outputs.py#L40)

Lớp cơ sở cho tất cả các đầu ra của mô hình dưới dạng dataclass. Có `__getitem__` cho phép chỉ mục bằng số nguyên hoặc slice (giống như tuple) hoặc chuỗi (giống như từ điển), sẽ bỏ qua các thuộc tính `None`. Ngoài ra, hoạt động giống như một từ điển Python thông thường.

> [!WARNING] > Bạn không thể giải nén trực tiếp một `BaseOutput`. Hãy sử dụng phương thức [to_tuple()](/docs/diffusers/main/vi/api/outputs#diffusers.utils.BaseOutput.to_tuple) để chuyển đổi
nó thành một tuple > đầu tiên.

#### to_tuple[[diffusers.utils.BaseOutput.to_tuple]]

```python
to_tuple()
```

[Nguồn](https://github.com/huggingface/diffusers/blob/main/src/diffusers/utils/outputs.py#L130)

Chuyển đổi self thành một tuple chứa tất cả các thuộc tính/khóa không phải là `None`.

## ImagePipelineOutput[[diffusers.ImagePipelineOutput]]

#### diffusers.ImagePipelineOutput[[diffusers.ImagePipelineOutput]]

```python
diffusers.ImagePipelineOutput(images: list[PIL.Image.Image] | numpy.ndarray)
```

[Nguồn](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/pipeline_utils.py#L135)

**Tham số:**

images (`List[PIL.Image.Image]` hoặc `np.ndarray`) : Danh sách các hình ảnh PIL đã khử nhiễu có độ dài `batch_size` hoặc mảng NumPy có hình dạng `(batch_size, height, width, num_channels)`.

Lớp đầu ra cho các pipeline hình ảnh.

## AudioPipelineOutput[[diffusers.AudioPipelineOutput]]

#### diffusers.AudioPipelineOutput[[diffusers.AudioPipelineOutput]]

```python
diffusers.AudioPipelineOutput(audios: ndarray)
```

[Nguồn](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/pipeline_utils.py#L149)

**Tham số:**

audios (`np.ndarray`) : Danh sách các mẫu âm thanh đã khử nhiễu của một mảng NumPy có hình dạng `(batch_size, num_channels, sample_rate)`.

Lớp đầu ra cho các pipeline âm thanh.

## ImageTextPipelineOutput[[diffusers.ImageTextPipelineOutput]]

#### diffusers.ImageTextPipelineOutput[[diffusers.ImageTextPipelineOutput]]

```python
diffusers.ImageTextPipelineOutput(images: list[PIL.Image.Image] | numpy.ndarray | None, text: list[str] | list[list[str]] | None)
```

[Nguồn](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/deprecated/unidiffuser/pipeline_unidiffuser.py#L48)

**Tham số:**

images (`list[PIL.Image.Image]` hoặc `np.ndarray`) : danh sách các hình ảnh PIL đã khử nhiễu có độ dài `batch_size` hoặc mảng NumPy có hình dạng `(batch_size, height, width, num_channels)`.

text (`list[str]` hoặc `list[list[str]]`) : danh sách các chuỗi văn bản đã tạo có độ dài `batch_size` hoặc một danh sách các danh sách chuỗi, trong đó danh sách ngoài có độ dài `batch_size`.

Lớp đầu ra cho các pipeline kết hợp hình ảnh và văn bản.