Buckets:

mishig's picture
|
download
raw
4.23 kB
# Çıktılar
Tüm model çıktıları, modelin döndürdüğü tüm bilgileri içeren veri yapıları olan [BaseOutput](/docs/diffusers/main/tr/api/outputs#diffusers.utils.BaseOutput) alt sınıflarıdır. Çıktılar ayrıca tuple veya sözlük olarak da kullanılabilir.
Örneğin:
```python
from diffusers import DDIMPipeline
pipeline = DDIMPipeline.from_pretrained("google/ddpm-cifar10-32")
outputs = pipeline()
```
`outputs` nesnesi bir [ImagePipelineOutput](/docs/diffusers/main/tr/api/pipelines/consistency_models#diffusers.ImagePipelineOutput) olduğundan bir image özniteliğine sahiptir.
Her özniteliğe normal şekilde veya anahtar kelime aramasıyla erişebilirsiniz ve bu öznitelik model tarafından döndürülmezse `None` alırsınız:
```python
outputs.images
outputs["images"]
```
`outputs` nesnesini bir tuple olarak ele aldığınızda, yalnızca `None` değerine sahip olmayan öznitelikleri dikkate alır. Örneğin, indeksleme yoluyla bir görüntü almak `(outputs.images)` tuple'ını döndürür:
```python
outputs[:1]
```
> [!TIP]
> Belirli bir pipeline veya model çıktısını kontrol etmek için ilgili API dokümantasyonuna başvurun.
## BaseOutput[[diffusers.utils.BaseOutput]]
#### diffusers.utils.BaseOutput[[diffusers.utils.BaseOutput]]
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/utils/outputs.py#L40)
Tüm model çıktıları için dataclass olarak temel sınıf. Tıpkı bir tuple gibi tamsayı veya dilim (slice) ile ya da tıpkı bir sözlük gibi dizelerle indekslemeye izin veren bir `__getitem__` içerir; bu yöntem `None` öznitelikleri yok sayılır. Aksi takdirde, standart bir Python sözlüğü gibi davranır.
> [!WARNING] > `BaseOutput` doğrudan açamazsınız. Dönüştürmek için [to_tuple()](/docs/diffusers/main/tr/api/outputs#diffusers.utils.BaseOutput.to_tuple) yöntemini kullanın
önce bir tuple'a dönüştürün.
#### to_tuple[[diffusers.utils.BaseOutput.to_tuple]]
```python
to_tuple()
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/utils/outputs.py#L130)
`None` olmayan tüm öznitelik/anahtarları içeren bir tuple'a dönüştür.
## ImagePipelineOutput[[diffusers.ImagePipelineOutput]]
#### diffusers.ImagePipelineOutput[[diffusers.ImagePipelineOutput]]
```python
diffusers.ImagePipelineOutput(images: list[PIL.Image.Image] | numpy.ndarray)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/pipeline_utils.py#L135)
**Parametreler:**
images (`List[PIL.Image.Image]` veya `np.ndarray`) : Uzunluğu `batch_size` olan gürültüsü azaltılmış PIL görüntülerinin listesi veya `(batch_size, height, width, num_channels)` biçiminde NumPy dizisi.
Görüntü hatları için çıktı sınıfı.
## AudioPipelineOutput[[diffusers.AudioPipelineOutput]]
#### diffusers.AudioPipelineOutput[[diffusers.AudioPipelineOutput]]
```python
diffusers.AudioPipelineOutput(audios: ndarray)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/pipeline_utils.py#L149)
**Parametreler:**
audios (`np.ndarray`) : `(batch_size, num_channels, sample_rate)` biçiminde bir NumPy dizisi olan gürültüsü azaltılmış ses örneklerinin listesi.
Ses boru hatları için çıktı sınıfı.
## 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)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/deprecated/unidiffuser/pipeline_unidiffuser.py#L48)
**Parametreler:**
images (`list[PIL.Image.Image]` veya `np.ndarray`) : `batch_size` uzunluğunda gürültüsü azaltılmış PIL görüntülerinin listesi veya `(batch_size, height, width, num_channels)` biçiminde NumPy dizisi.
text (`list[str]` veya `list[list[str]]`) : `batch_size` uzunluğunda üretilmiş metin dizgilerinin listesi veya dış listesi `batch_size` uzunluğunda olan dizgilerin listelerinden oluşan bir liste.
Ortak görüntü-metin iş akışları için çıktı sınıfı.

Xet Storage Details

Size:
4.23 kB
·
Xet hash:
aefc4e1d65df12c59060630cfb96cb47a067cf2e9c923ba53b29ba3f618f5512

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.