# Результаты

Все выходные данные моделей являются подклассами [BaseOutput](/docs/diffusers/v0.43.0/ru/api/outputs#diffusers.utils.BaseOutput), структурами данных, содержащими всю информацию, возвращаемую моделью. Выходные данные также можно использовать как кортежи или словари.

Например:

```python
from diffusers import DDIMPipeline

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

Объект `outputs` является [ImagePipelineOutput](/docs/diffusers/v0.43.0/ru/api/pipelines/consistency_models#diffusers.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`:

```python
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)`:

```python
outputs[:1]
```

> [!TIP]
> Чтобы проверить вывод конкретного конвейера или модели, обратитесь к соответствующей документации API.

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

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

[Источник](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/utils/outputs.py#L40)

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.

> [!WARNING] > Непосредственно распаковать `BaseOutput` нельзя. Используйте метод [to_tuple()](/docs/diffusers/v0.43.0/ru/api/outputs#diffusers.utils.BaseOutput.to_tuple) для преобразования
в кортеж > first.

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

```python
to_tuple()
```

[Источник](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/utils/outputs.py#L123)

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

## ImagePipelineOutput[[diffusers.ImagePipelineOutput]]

#### diffusers.ImagePipelineOutput[[diffusers.ImagePipelineOutput]]

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

[Источник](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/pipelines/pipeline_utils.py#L135)

**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]]

```python
diffusers.AudioPipelineOutput(audios: ndarray)
```

[Источник](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/pipelines/pipeline_utils.py#L149)

**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]]

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

[Источник](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/pipelines/deprecated/unidiffuser/pipeline_unidiffuser.py#L48)

**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».