Diffusers documentation

Результаты

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

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

класс diffusers.utils.BaseOutput

< >

( )

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 None. В остальном ведёт себя как обычный словарь Python.

> Невозможно распаковать BaseOutput напрямую. Сначала используйте метод to_tuple(), чтобы преобразовать его в кортеж >.

to_tuple

< >

( )

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

ImagePipelineOutput

класс diffusers.ImagePipelineOutput

< >

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

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

класс diffusers.AudioPipelineOutput

< >

( audios: ndarray )

Параметры

  • audios (np.ndarray) — Список денезированных аудиосемплов в виде массива NumPy формы (batch_size, num_channels, sample_rate).

Класс вывода для аудиопайплайнов.

ImageTextPipelineOutput

класс diffusers.ImageTextPipelineOutput

< >

( images: list[PIL.Image.Image] | numpy.ndarray | Nonetext: list[str] | list[list[str]] | None )

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».

Update on GitHub