diffusers/main/fr/api/outputs.md

Sorties

Toutes les sorties des modèles sont des sous-classes de BaseOutput, des structures de données contenant toutes les informations renvoyées par le modèle. Les sorties peuvent également être utilisées comme des tuples ou des dictionnaires.

Par exemple :

from diffusers import DDIMPipeline

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

L'objet outputs est un ImagePipelineOutput, ce qui signifie qu'il possède un attribut image.

Vous pouvez accéder à chaque attribut de manière habituelle ou par recherche de mot-clé, et si cet attribut n'est pas renvoyé par le modèle, vous obtiendrez None :

outputs.images
outputs["images"]

Lorsque l'objet outputs est considéré comme un tuple, seuls les attributs dont la valeur n'est pas None sont pris en compte. Par exemple, récupérer une image en accédant à l'index correspondante renvoie le tuple (outputs.images) :

outputs[:1]

Pour vérifier la sortie d'un pipeline ou d'un modèle spécifique, reportez-vous à la documentation API correspondante.

BaseOutput[[diffusers.utils.BaseOutput]]

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

Source

Classe de base pour toutes les sorties de modèle, sous forme de dataclass. Elle possède un __getitem__ qui permet l’indexation par entier ou tranche (comme un tuple) ou par chaînes de caractères (comme un dictionnaire), en ignorant les attributs None. Sinon, elle se comporte comme un dictionnaire Python standard.

> Vous ne pouvez pas dépaqueter directement un BaseOutput. Utilisez la méthode to_tuple() pour convertir d'abord en un tuple >.

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

to_tuple()

Source

Convertit self en un tuple contenant tous les attributs/clés qui ne sont pas None.

ImagePipelineOutput[[diffusers.ImagePipelineOutput]]

diffusers.ImagePipelineOutput[[diffusers.ImagePipelineOutput]]

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

Source

Paramètres :

images (List[PIL.Image.Image] ou np.ndarray) : Liste d'images PIL débruitées de longueur batch_size ou tableau NumPy de forme (batch_size, height, width, num_channels).

Classe de sortie pour les pipelines d’images.

AudioPipelineOutput[[diffusers.AudioPipelineOutput]]

diffusers.AudioPipelineOutput[[diffusers.AudioPipelineOutput]]

diffusers.AudioPipelineOutput(audios: ndarray)

Source

Paramètres :

audios (np.ndarray) : Liste d'échantillons audio débruités d'un tableau NumPy de forme (batch_size, num_channels, sample_rate).

Classe de sortie pour les pipelines audio.

ImageTextPipelineOutput[[diffusers.ImageTextPipelineOutput]]

diffusers.ImageTextPipelineOutput[[diffusers.ImageTextPipelineOutput]]

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

Source

Paramètres :

images (list[PIL.Image.Image] ou np.ndarray) : liste d'images PIL débruitées de longueur batch_size ou tableau NumPy de forme (batch_size, height, width, num_channels).

text (list[str] ou list[list[str]]) : liste de chaînes de texte générées de longueur batch_size ou liste de listes de chaînes dont la liste externe a une longueur de batch_size.

Classe de sortie pour les pipelines image-texte conjoints.