Buckets:
| # Sorties | |
| Toutes les sorties des modèles sont des sous-classes de [BaseOutput](/docs/diffusers/main/fr/api/outputs#diffusers.utils.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 : | |
| ```python | |
| from diffusers import DDIMPipeline | |
| pipeline = DDIMPipeline.from_pretrained("google/ddpm-cifar10-32") | |
| outputs = pipeline() | |
| ``` | |
| L'objet `outputs` est un [ImagePipelineOutput](/docs/diffusers/main/fr/api/pipelines/consistency_models#diffusers.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` : | |
| ```python | |
| 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)` : | |
| ```python | |
| outputs[:1] | |
| ``` | |
| > [!TIP] | |
| > 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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/utils/outputs.py#L40) | |
| 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. | |
| > [!WARNING] > Vous ne pouvez pas dépaqueter directement un `BaseOutput`. Utilisez la méthode [to_tuple()](/docs/diffusers/main/fr/api/outputs#diffusers.utils.BaseOutput.to_tuple) pour convertir | |
| d'abord en un tuple >. | |
| #### to_tuple[[diffusers.utils.BaseOutput.to_tuple]] | |
| ```python | |
| to_tuple() | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/utils/outputs.py#L123) | |
| Convertit self en un tuple contenant tous les attributs/clés qui ne sont pas `None`. | |
| ## ImagePipelineOutput[[diffusers.ImagePipelineOutput]] | |
| #### diffusers.ImagePipelineOutput[[diffusers.ImagePipelineOutput]] | |
| ```python | |
| diffusers.ImagePipelineOutput(images: list[PIL.Image.Image] | numpy.ndarray) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/pipeline_utils.py#L135) | |
| **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]] | |
| ```python | |
| diffusers.AudioPipelineOutput(audios: ndarray) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/pipeline_utils.py#L149) | |
| **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]] | |
| ```python | |
| diffusers.ImageTextPipelineOutput(images: list[PIL.Image.Image] | numpy.ndarray | None, text: list[str] | list[list[str]] | None) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/deprecated/unidiffuser/pipeline_unidiffuser.py#L48) | |
| **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. | |
Xet Storage Details
- Size:
- 4.25 kB
- Xet hash:
- 8ee48573570b5b124ef797116707cf71a616290f8d2c631ff42bda3bc74591b2
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.