diffusers/main/ru/api/outputs.md

Результаты

Все выходные данные моделей являются подклассами BaseOutput, структурами данных, содержащими всю информацию, возвращаемую моделью. Выходные данные также можно использовать как кортежи или словари.

Например:

from diffusers import DDIMPipeline

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

Объект outputs является ImagePipelineOutput, что означает наличие у него атрибута image.

Вы можете обратиться к каждому атрибуту обычным способом или с помощью поиска по ключевому слову, и если этот атрибут не возвращается моделью, вы получите None:

outputs.images
outputs["images"]

Если рассматривать объект outputs как кортеж, учитываются только атрибуты, значения которых не равны None. Например, получение изображения по индексу возвращает кортеж (outputs.images):

outputs[:1]

Чтобы проверить вывод конкретного конвейера или модели, обратитесь к соответствующей документации API.

BaseOutput[[diffusers.utils.BaseOutput]]

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

Источник

Базовый класс для всех выходов моделей в виде dataclass. Имеет __getitem__, который позволяет индексировать по целому числу или срезу (как кортеж) или строкам (как словарь), игнорируя атрибуты со значением None. В остальном ведёт себя как обычный словарь Python.

> Непосредственно распаковать BaseOutput нельзя. Используйте метод to_tuple() для преобразования в кортеж > first.

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

to_tuple()

Источник

Преобразовать self в кортеж, содержащий все атрибуты/ключи, которые не равны None.

ImagePipelineOutput[[diffusers.ImagePipelineOutput]]

diffusers.ImagePipelineOutput[[diffusers.ImagePipelineOutput]]

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

Источник

Параметры:

images (List[PIL.Image.Image] или np.ndarray) : Список денойзированных изображений PIL длиной batch_size или массив NumPy формы (batch_size, height, width, num_channels).

Класс вывода для пайплайнов обработки изображений.

AudioPipelineOutput[[diffusers.AudioPipelineOutput]]

diffusers.AudioPipelineOutput[[diffusers.AudioPipelineOutput]]

diffusers.AudioPipelineOutput(audios: ndarray)

Источник

Параметры:

audios (np.ndarray) : Список денойзированных аудиосемплов в виде массива NumPy формы (batch_size, num_channels, sample_rate).

Класс вывода для аудиопайплайнов.

ImageTextPipelineOutput[[diffusers.ImageTextPipelineOutput]]

diffusers.ImageTextPipelineOutput[[diffusers.ImageTextPipelineOutput]]

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

Источник

Параметры:

images (list[PIL.Image.Image] или np.ndarray) : список денойзированных изображений PIL длиной batch_size или массив NumPy формы (batch_size, height, width, num_channels).

text (list[str] или list[list[str]]) : список сгенерированных строк текста длиной batch_size или список списков строк, где внешний список имеет длину batch_size.

Класс вывода для совместных пайплайнов «изображение-текст».