# PP-DocLayoutV4 ## نظرة عامة **PP-DocLayoutV4** هو نموذج لتحليل تخطيط المستندات من الطرف إلى الطرف، يتنبأ في تمريرة أمامية واحدة بما يلي: نوع كل عنصر من عناصر التخطيط، والمربع الرباعي الذي يحيط به، والقيم الاحتمالية (logits) التي يُفكَّك منها ترتيب القراءة. ## بنية النموذج يحافظ PP-DocLayoutV4 على هيكل RT-DETR الخاص بسلفه — وهو عمود فقري HGNetV2، ومشفّر هجين AIFI، ومفكّك قابل للتشوه — ويغيّر ثلاثة أشياء: - **أرباع بدل الأقنعة.** [PPDocLayoutV3ForObjectDetection](/docs/transformers/main/ar/model_doc/pp_doclayout_v3#transformers.PPDocLayoutV3ForObjectDetection) توقع قناع تقسيم لكل استعلام ولاءق مضلّعًا عليه. تخلت PP-DocLayoutV4 عن فرع القناع بالكامل وتراجع مباشرة عن رباعي من أربع نقاط، مشفّرًا على شكل `[center_x, center_y, dx1, dy1, ..., dx4, dy4]` في فضاء sigmoid. يتعامل هذا مع المستندات المائلة والمُشوهة منظوريًا دون الحاجة إلى رأس قناع، ولم يعد هناك حاجة إلى ميزة العمود الفقري ذات الخطوة 4. - **رؤوس غير مشتركة لكل طبقة.** تمتلك كل طبقة من طبقات المُفكّك رأسها الخاص للصناديق والتصنيف بدلاً من مشاركة رأس واحد مع المُرمّز. - **رأسان لترتيب القراءة بالإضافة إلى خطوة دمج.** إلى جانب رأس الترتيب النسبي من V3 (غير متماثل: «هل يُقرأ `i` قبل `j`؟») يوجد رأس المتتالي (ROOR: «هل يتبع `j` مباشرةً `i`؟»). يقوم `PPDocLayoutV4S2RFusion` بدمج الإغلاق التناظري المخفَّض لمصفوفة المتتالي مرة أخرى في قيم الاحتمال (logits) الخاصة بالترتيب النسبي. لا يتم فك ترميز ترتيب القراءة داخل النموذج. يعيد `PPDocLayoutV4ForObjectDetection` القيم الخام لـ `relative_order_logits` و `successor_order_logits`، وتقوم [post_process_object_detection()](/docs/transformers/main/ar/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4ImageProcessor.post_process_object_detection) بتحويلها إلى رتب عن طريق تحديد عتبة لمصفوفة اللاحق لتحويلها إلى رسم بياني موجّه غير دائري (DAG)، وكسر الدورات، وفرز كل مكوّن متصل ترتيبياً، وترتيب المكوّنات وفقاً لأصوات ترتيبها النسبي. ## الاستخدام النتائج التي تُرجعها [post_process_object_detection()](/docs/transformers/main/ar/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4ImageProcessor.post_process_object_detection) مُرتّبة مسبقًا حسب ترتيب القراءة. تحمل كل نتيجة `polygon_points` — وهو متجه بأبعاد `(num_boxes, 4, 2)` يمثل الزوايا المُعاد تقديرها بالترتيب: أعلى اليسار، أعلى اليمين، أسفل اليمين، أسفل اليسار — بالإضافة إلى `boxes`، وهو المستطيل المحاذي للمحاور الذي يحيط بكل شكل رباعي، و`order_seq`، وهو الترتيب الصفر الأساس لكل صندوق. يطبع المثال أدناه باستخدام [AutoModel](/docs/transformers/main/ar/model_doc/auto#transformers.AutoModel) قيمة `order_seq` مباشرة، بينما تطبع الأمثلة الأخرى الموضع ذي الأساس الواحد في القائمة المُرتّبة، وهو `order_seq + 1` ما لم يُحتفظ باستعلام واحد تحت عدة تسميات. يحافظ [Pipeline](/docs/transformers/main/ar/main_classes/pipelines#transformers.Pipeline) على ترتيب القراءة في ترتيب القائمة المُعادَة، لكنه يسطّر كل كشف إلى درجة وتسمية وصندوق حدود صحيح. استخدم مسار [AutoModel](/docs/transformers/main/ar/model_doc/auto#transformers.AutoModel) أدناه للحصول على الأشكال الرباعية و`order_seq`. ```python from transformers import pipeline from transformers.image_utils import load_image image = load_image("https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/layout_demo.jpg") layout_detector = pipeline("object-detection", model="PaddlePaddle/PP-DocLayoutV4_safetensors") results = layout_detector(image) for idx, res in enumerate(results): print(f"Order {idx + 1}: {res}") ``` ```python from transformers import AutoImageProcessor, AutoModelForObjectDetection from transformers.image_utils import load_image model_path = "PaddlePaddle/PP-DocLayoutV4_safetensors" model = AutoModelForObjectDetection.from_pretrained(model_path, device_map="auto") image_processor = AutoImageProcessor.from_pretrained(model_path) image = load_image("https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/layout_demo.jpg") inputs = image_processor(images=image, return_tensors="pt").to(device=model.device, dtype=model.dtype) outputs = model(**inputs) results = image_processor.post_process_object_detection(outputs, target_sizes=[image.size[::-1]]) for result in results: for score, label_id, box, quad, rank in zip( result["scores"], result["labels"], result["boxes"], result["polygon_points"], result["order_seq"] ): box = [round(i, 2) for i in box.tolist()] print(f"Order {rank.item()}: {model.config.id2label[label_id.item()]}, score: {score.item():.2f}, box: {box}") print(f" corners: {[[round(x, 2) for x in point] for point in quad.tolist()]}") ``` ### الاستدلال المجمّع مرر قائمة من الصور وحجمًا مستهدفًا واحدًا لكل صورة. يتم فك ترميز ترتيب القراءة لكل صورة على حدة. ```python from transformers import AutoImageProcessor, AutoModelForObjectDetection from transformers.image_utils import load_image model_path = "PaddlePaddle/PP-DocLayoutV4_safetensors" model = AutoModelForObjectDetection.from_pretrained(model_path, device_map="auto") image_processor = AutoImageProcessor.from_pretrained(model_path) image = load_image("https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/layout_demo.jpg") inputs = image_processor(images=[image, image], return_tensors="pt").to(device=model.device, dtype=model.dtype) outputs = model(**inputs) results = image_processor.post_process_object_detection(outputs, target_sizes=[image.size[::-1]] * 2) for result in results: print("result:") for idx, (score, label_id, box) in enumerate(zip(result["scores"], result["labels"], result["boxes"])): box = [round(i, 2) for i in box.tolist()] print(f"Order {idx + 1}: {model.config.id2label[label_id.item()]}, score: {score.item():.2f}, box: {box}") ``` ## PPDocLayoutV4ForObjectDetection[[transformers.PPDocLayoutV4ForObjectDetection]] #### transformers.PPDocLayoutV4ForObjectDetection[[transformers.PPDocLayoutV4ForObjectDetection]] ```python transformers.PPDocLayoutV4ForObjectDetection(config: PPDocLayoutV4Config) ``` [المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/modeling_pp_doclayout_v4.py#L1650) **المعاملات:** config ([PPDocLayoutV4Config](/docs/transformers/main/ar/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4Config)) : فئة إعدادات النموذج التي تحتوي على جميع معاملات النموذج. عند التهيئة باستخدام ملف إعدادات، لا يتم تحميل الأوزان المرتبطة بالنموذج، بل الإعدادات فقط. راجع طريقة [from_pretrained()](/docs/transformers/main/ar/main_classes/model#transformers.PreTrainedModel.from_pretrained) لتحميل أوزان النموذج. نموذج PP-DocLayoutV4 (المكوّن من هيكل أساسي ومشفّر-فكّ تشفير) يُخرج مضلعات رباعية الأطراف، وقيم احتمالات الفئات، وقيم احتمالات ترتيب القراءة، لمهام مثل تحليل تخطيط المستندات. يرث هذا النموذج من [PreTrainedModel](/docs/transformers/main/ar/main_classes/model#transformers.PreTrainedModel). راجع توثيق الفئة الأصلية لمعرفة الطرق العامة التي تنفذها المكتبة لجميع نماذجها (مثل التنزيل أو الحفظ، وتغيير حجم تضمينات الإدخال، وقص الرؤوس، وما إلى ذلك). هذا النموذج هو أيضاً فئة فرعية من [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) في PyTorch. استخدمه كوحدة PyTorch عادية، وارجع إلى توثيق PyTorch لكل ما يتعلق بالاستخدام العام والسلوك. #### forward[[transformers.PPDocLayoutV4ForObjectDetection.forward]] ```python forward(pixel_values: Tensor, pixel_mask: typing.Optional[torch.LongTensor] = None, encoder_outputs: typing.Optional[torch.Tensor] = None, labels: list[dict] | None = None, **kwargs: *) ``` [المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/modeling_pp_doclayout_v4.py#L1668) **المعاملات:** pixel_values (`torch.Tensor` من الشكل `(batch_size, num_channels, image_size, image_size)`) : المصفوفات المتناظرة مع الصور المدخلة. يمكن الحصول على قيم البكسل باستخدام `image_processor_class`. راجع `image_processor_class.__call__` للتفاصيل (`processor_class` يستخدم `image_processor_class` لمعالجة الصور). pixel_mask (`torch.LongTensor` من الشكل `(batch_size, height, width)`، *اختياري*) : قناع لتجنب تنفيذ الانتباه على قيم البكسلات المعبأة. قيم القناع المختارة في `[0, 1]`: - 1 للبكسلات الحقيقية (أي **غير المقنّعة**)، - 0 للبكسلات المعبأة (أي **المقنّعة**). [ما هي أقنعة الانتباه؟](../glossary#attention-mask) encoder_outputs (`torch.Tensor`، *اختياري*) : Tuple يتكون من (`last_hidden_state`، *اختياري*: `hidden_states`، *اختياري*: `attentions`) `last_hidden_state` من الشكل `(batch_size, sequence_length, hidden_size)`، *اختياري*) هو تسلسل من حالات الخفاء عند مخرج الطبقة الأخيرة من المُشفِّر. يُستخدم في الانتباه المتقاطع (cross-attention) في المُفكِّك. labels (`list[Dict]` بطول `(batch_size,)`، *اختياري*) : غير مدعوم: PP-DocLayoutV4 للاستدلال فقط في Transformers. **يعيد:** `PPDocLayoutV4ForObjectDetectionOutput` أو `tuple(torch.Tensor)` `PPDocLayoutV4ForObjectDetectionOutput` أو مجموعة مرتبة من `torch.Tensor` (إذا تم تمرير `return_dict=False` أو عندما يكون `config.return_dict=False`) وتتضمن عناصر مختلفة اعتمادًا على الإعداد (`None`) والمدخلات. تتجاوز طريقة [PPDocLayoutV4ForObjectDetection](/docs/transformers/main/ar/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4ForObjectDetection) الخاصة بالتقديم (forward) الطريقة الخاصة `__call__`. على الرغم من أنه يجب تعريف وصفة المرور الأمامي داخل هذه الدالة، إلا أنه ينبغي استدعاء كائن `Module` بدلاً من هذه الدالة، لأن الكائن يتولى تنفيذ خطوات المعالجة المسبقة والمعالجة اللاحقة، بينما تتجاهل الدالة هذه الخطوات بصمت. - **logits** (`torch.Tensor` من الشكل `(batch_size, num_queries, config.num_labels)`) -- قيم التصنيف (بدون عنصر "لا يوجد كائن") لجميع الاستعلامات. - **pred_boxes** (`torch.Tensor` من الشكل `(batch_size, num_queries, config.num_coords)`) -- أرباع مُعايرة لجميع الاستعلامات، مُرمّزة على شكل `[center_x, center_y, dx1, dy1, ..., dx4, dy4]` حيث تُزاح إزاحات الزوايا بمقدار `+0.5`. استخدم [post_process_object_detection()](/docs/transformers/main/ar/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4ImageProcessor.post_process_object_detection) لاسترجاع الزوايا غير المعايرة وصناديقها المحيطة. - **last_hidden_state** (`torch.Tensor` من الشكل `(batch_size, num_queries, hidden_size)`) -- تسلسل من حالات الإخفاء عند مخرج الطبقة الأخيرة من فاحص النموذج. - **intermediate_hidden_states** (`torch.Tensor` من الشكل `(batch_size, config.decoder_layers, num_queries, hidden_size)`) -- حالات مخفية وسيطة مكدسة (مخرجات كل طبقة من فاحم الشيفر). - **intermediate_reference_points** (`torch.Tensor` من الشكل `(batch_size, config.decoder_layers, num_queries, config.num_coords)`) -- نقاط مرجعية وسيطة مكدسة (أرباع محسّنة لكل طبقة من طبقات المُفكِّك). - **decoder_hidden_states** (`tuple[torch.Tensor]`, *اختياري*, يُعاد عند تمرير `output_hidden_states=True` أو عند `config.output_hidden_states=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لمخرجات التضمينات، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لمخرجات كل طبقة) من الشكل `(batch_size, sequence_length, hidden_size)`. حالات المخفية (Hidden states) لمفكّك الترميز (decoder) عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي (initial embedding). - **decoder_attentions** (`tuple[torch.Tensor]`, *اختياري*, يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) بأبعاد `(batch_size, num_heads, sequence_length, sequence_length)`. أوزان الانتباه في المفكّك، بعد softmax الانتباه، المستخدمة لحساب المتوسط المرجّح في رؤوس الانتباه الذاتي. - **cross_attentions** (`tuple[torch.Tensor]`, *اختياري*, يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) بأبعاد `(batch_size, num_heads, sequence_length, sequence_length)`. أوزان الانتباه في طبقة الانتباه المتقاطع للمفكّك، بعد softmax للانتباه، وتُستخدم لحساب المتوسط المرجّح في رؤوس الانتباه المتقاطع. - **encoder_last_hidden_state** (`torch.Tensor` بشكل `(batch_size, sequence_length, hidden_size)`، *اختياري*) -- سلسلة من حالات الإخفاء عند مخرجات الطبقة الأخيرة من المُشفِّر في النموذج. - **encoder_hidden_states** (`tuple[torch.Tensor]`, *اختياري*, يُعاد عند تمرير `output_hidden_states=True` أو عند `config.output_hidden_states=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لمخرجات التضمينات، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لمخرجات كل طبقة) من الشكل `(batch_size, sequence_length, hidden_size)`. حالات المخفية للمشفّر عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي. - **encoder_attentions** (`tuple[torch.Tensor]`, *اختياري*, يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) بأبعاد `(batch_size, num_heads, sequence_length, sequence_length)`. أوزان الانتباه للمُشفِّر، بعد softmax للانتباه، المُستخدَمة لحساب المتوسط الموزون في رؤوس الانتباه الذاتي. - **init_reference_points** (`torch.Tensor` من الشكل `(batch_size, num_queries, config.num_coords)`) -- نقاط مرجعية رباعية أولية تُرسل عبر مُفكِّك Transformer. - **enc_topk_logits** (`torch.Tensor` من الشكل `(batch_size, num_queries, config.num_labels)`) -- قيم التصنيف (logits) لاقترحات المُشفِّر التي تم اختيارها كاستعلامات للمُفكِّك. - **enc_topk_bboxes** (`torch.Tensor` من الشكل `(batch_size, num_queries, config.num_coords)`) -- رباعيات مقترحات المُشفِّر التي تم اختيارها كاستعلامات للمُفكِّك. - **enc_outputs_class** (`torch.Tensor` من الشكل `(batch_size, sequence_length, config.num_labels)`) -- قيم التصنيف (logits) لكل اقتراح من مقترحات المُشفِّر. - **enc_outputs_coord_logits** (`torch.Tensor` من الشكل `(batch_size, sequence_length, config.num_coords)`) -- قيم اللوجيت رباعية لكل اقتراح من مُشفِّر. - **denoising_meta_values** (`dict`، *اختياري*) -- قاموس إضافي للقيم المتعلقة بإزالة الضوضاء. - **relative_order_logits** (`torch.Tensor` من الشكل `(batch_size, config.num_queries, config.num_queries)`) -- قيم الاحتمال (Logits) لترتيب القراءة النسبي بين كل زوج، بعد دمج S2R الاختياري. القيمة الموجبة لـ`relative_order_logits[i, j]` تعني أن الاستعلام `i` يُقرأ قبل الاستعلام `j`. - **successor_order_logits** (`torch.Tensor` من الشكل `(batch_size, config.num_queries, config.num_queries)`) -- قيم الاحتمال (Logits) المباشرة للأزواج المتتالية (ROOR). القيمة الموجبة لـ`successor_order_logits[i, j]` تعني أن الاستعلام `j` يتبع مباشرة الاستعلام `i`. أمثلة: ```python >>> from transformers import AutoImageProcessor, AutoModelForObjectDetection >>> from PIL import Image >>> import httpx >>> from io import BytesIO >>> url = "https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/layout_demo.jpg" >>> with httpx.stream("GET", url) as response: ... image = Image.open(BytesIO(response.read())) >>> model_path = "PaddlePaddle/PP-DocLayoutV4_safetensors" >>> image_processor = AutoImageProcessor.from_pretrained(model_path) >>> model = AutoModelForObjectDetection.from_pretrained(model_path) >>> inputs = image_processor(images=[image], return_tensors="pt") >>> outputs = model(**inputs) >>> # results are already sorted by reading order >>> results = image_processor.post_process_object_detection(outputs, target_sizes=[image.size[::-1]]) >>> for result in results: ... for idx, (score, label_id, box) in enumerate(zip(result["scores"], result["labels"], result["boxes"])): ... box = [round(i, 2) for i in box.tolist()] ... print(f"Order {idx + 1}: {model.config.id2label[label_id.item()]}: {score.item():.2f} {box}") Order 1: text: 0.99 [336.07, 182.04, 894.17, 652.62] Order 2: paragraph_title: 0.98 [336.45, 681.88, 868.78, 796.91] Order 3: text: 0.99 [334.01, 840.84, 889.11, 1452.29] Order 4: text: 0.99 [920.65, 183.62, 1476.75, 462.75] Order 5: text: 0.99 [919.55, 482.55, 1479.85, 763.41] Order 6: text: 0.98 [919.34, 844.48, 1481.28, 1219.44] Order 7: text: 0.98 [920.84, 1238.61, 1467.66, 1374.54] Order 8: text: 0.90 [334.24, 1612.85, 1478.79, 1730.92] Order 9: text: 0.95 [334.25, 1755.98, 1467.34, 1845.6] Order 10: text: 0.65 [337.14, 1909.47, 659.78, 1938.2] Order 11: footnote: 0.78 [338.73, 2114.87, 1448.16, 2172.06] Order 12: number: 0.98 [106.08, 2257.42, 134.76, 2281.3] Order 13: footer: 0.93 [339.27, 2255.7, 984.16, 2282.81] ``` ## PPDocLayoutV4Model[[transformers.PPDocLayoutV4Model]] #### transformers.PPDocLayoutV4Model[[transformers.PPDocLayoutV4Model]] ```python transformers.PPDocLayoutV4Model(config: PPDocLayoutV4Config) ``` [المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/modeling_pp_doclayout_v4.py#L1328) **المعاملات:** config ([PPDocLayoutV4Config](/docs/transformers/main/ar/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4Config)) : فئة إعدادات النموذج التي تحتوي على جميع معاملات النموذج. عند التهيئة باستخدام ملف إعدادات، لا يتم تحميل الأوزان المرتبطة بالنموذج، بل الإعدادات فقط. راجع طريقة [from_pretrained()](/docs/transformers/main/ar/main_classes/model#transformers.PreTrainedModel.from_pretrained) لتحميل أوزان النموذج. نموذج PP-DocLayoutV4 (المكوّن من هيكل أساسي ومشفّر-فكّاش) الذي يُخرج حالات مخفية خام دون أي رأس في الأعلى. يرث هذا النموذج من [PreTrainedModel](/docs/transformers/main/ar/main_classes/model#transformers.PreTrainedModel). راجع توثيق الفئة الأصلية لمعرفة الطرق العامة التي تنفذها المكتبة لجميع نماذجها (مثل التنزيل أو الحفظ، وتغيير حجم تضمينات الإدخال، وقص الرؤوس، وما إلى ذلك). هذا النموذج هو أيضاً فئة فرعية من [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) في PyTorch. استخدمه كوحدة PyTorch عادية، وارجع إلى توثيق PyTorch لكل ما يتعلق بالاستخدام العام والسلوك. #### forward[[transformers.PPDocLayoutV4Model.forward]] ```python forward(pixel_values: Tensor, pixel_mask: typing.Optional[torch.LongTensor] = None, encoder_outputs: typing.Optional[torch.Tensor] = None, labels: list[dict] | None = None, **kwargs: *) ``` [المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/modeling_pp_doclayout_v4.py#L1466) **المعاملات:** pixel_values (`torch.Tensor` من الشكل `(batch_size, num_channels, image_size, image_size)`) : المصفوفات المتناظرة مع الصور المدخلة. يمكن الحصول على قيم البكسل باستخدام `image_processor_class`. راجع `image_processor_class.__call__` للتفاصيل (`processor_class` يستخدم `image_processor_class` لمعالجة الصور). pixel_mask (`torch.LongTensor` من الشكل `(batch_size, height, width)`، *اختياري*) : قناع لتجنب تنفيذ الانتباه على قيم البكسلات المعبأة. قيم القناع المختارة في `[0, 1]`: - 1 للبكسلات الحقيقية (أي **غير المقنّعة**)، - 0 للبكسلات المعبأة (أي **المقنّعة**). [ما هي أقنعة الانتباه؟](../glossary#attention-mask) encoder_outputs (`torch.Tensor`، *اختياري*) : Tuple يتكون من (`last_hidden_state`، *اختياري*: `hidden_states`، *اختياري*: `attentions`) `last_hidden_state` من الشكل `(batch_size, sequence_length, hidden_size)`، *اختياري*) هو تسلسل من حالات الخفاء عند مخرج الطبقة الأخيرة من المُشفِّر. يُستخدم في الانتباه المتقاطع (cross-attention) في المُفكِّك. labels (`list[Dict]` بطول `(batch_size,)`، *اختياري*) : غير مدعوم: PP-DocLayoutV4 للاستدلال فقط في Transformers. **يعيد:** `PPDocLayoutV4ModelOutput` أو `tuple(torch.Tensor)` A `PPDocLayoutV4ModelOutput` or a tuple of `torch.Tensor` (if `return_dict=False` is passed or when `config.return_dict=False`) comprising various elements depending on the configuration (`None`) and inputs. تتجاوز طريقة [PPDocLayoutV4Model](/docs/transformers/main/ar/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4Model) الخاصة بالتقديم (forward) الطريقة الخاصة `__call__`. على الرغم من أنه يجب تعريف وصفة المرور الأمامي داخل هذه الدالة، إلا أنه ينبغي استدعاء كائن `Module` بدلاً من هذه الدالة، لأن الكائن يتولى تنفيذ خطوات المعالجة المسبقة والمعالجة اللاحقة، بينما تتجاهل الدالة هذه الخطوات بصمت. - **last_hidden_state** (`torch.Tensor` من الشكل `(batch_size, num_queries, hidden_size)`) -- تسلسل من حالات الإخفاء عند مخرج الطبقة الأخيرة من فاحص النموذج. - **intermediate_hidden_states** (`torch.Tensor` من الشكل `(batch_size, config.decoder_layers, num_queries, hidden_size)`) -- حالات مخفية وسيطة مكدسة (مخرجات كل طبقة من فاحم الشيفر). - **intermediate_reference_points** (`torch.Tensor` من الشكل `(batch_size, config.decoder_layers, num_queries, config.num_coords)`) -- نقاط مرجعية وسيطة مكدسة (أرباع محسّنة لكل طبقة من طبقات المُفكِّك). - **decoder_hidden_states** (`tuple[torch.Tensor]`, *اختياري*, يُعاد عند تمرير `output_hidden_states=True` أو عند `config.output_hidden_states=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لمخرجات التضمينات، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لمخرجات كل طبقة) من الشكل `(batch_size, sequence_length, hidden_size)`. حالات المخفية (Hidden states) لمفكّك الترميز (decoder) عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي (initial embedding). - **decoder_attentions** (`tuple[torch.Tensor]`, *اختياري*, يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) بأبعاد `(batch_size, num_heads, sequence_length, sequence_length)`. أوزان الانتباه في المفكّك، بعد softmax الانتباه، المستخدمة لحساب المتوسط المرجّح في رؤوس الانتباه الذاتي. - **cross_attentions** (`tuple[torch.Tensor]`, *اختياري*, يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) بأبعاد `(batch_size, num_heads, sequence_length, sequence_length)`. أوزان الانتباه في طبقة الانتباه المتقاطع للمفكّك، بعد softmax للانتباه، وتُستخدم لحساب المتوسط المرجّح في رؤوس الانتباه المتقاطع. - **encoder_last_hidden_state** (`torch.Tensor` بشكل `(batch_size, sequence_length, hidden_size)`، *اختياري*) -- سلسلة من حالات الإخفاء عند مخرجات الطبقة الأخيرة من المُشفِّر في النموذج. - **encoder_hidden_states** (`tuple[torch.Tensor]`, *اختياري*, يُعاد عند تمرير `output_hidden_states=True` أو عند `config.output_hidden_states=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لمخرجات التضمينات، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لمخرجات كل طبقة) من الشكل `(batch_size, sequence_length, hidden_size)`. حالات المخفية للمشفّر عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي. - **encoder_attentions** (`tuple[torch.Tensor]`, *اختياري*, يُعاد عند تمرير `output_attentions=True` أو عند `config.output_attentions=True`) -- مجموعة مرتبة من `torch.Tensor` (واحدة لكل طبقة) بأبعاد `(batch_size, num_heads, sequence_length, sequence_length)`. أوزان الانتباه للمُشفِّر، بعد softmax للانتباه، المُستخدَمة لحساب المتوسط الموزون في رؤوس الانتباه الذاتي. - **init_reference_points** (`torch.Tensor` من الشكل `(batch_size, num_queries, config.num_coords)`) -- نقاط مرجعية رباعية أولية تُرسل عبر مُفكِّك Transformer. - **enc_topk_logits** (`torch.Tensor` من الشكل `(batch_size, num_queries, config.num_labels)`) -- قيم التصنيف (logits) لاقترحات المُشفِّر التي تم اختيارها كاستعلامات للمُفكِّك. - **enc_topk_bboxes** (`torch.Tensor` من الشكل `(batch_size, num_queries, config.num_coords)`) -- رباعيات مقترحات المُشفِّر التي تم اختيارها كاستعلامات للمُفكِّك. - **enc_outputs_class** (`torch.Tensor` من الشكل `(batch_size, sequence_length, config.num_labels)`) -- قيم التصنيف (logits) لكل اقتراح من مقترحات المُشفِّر. - **enc_outputs_coord_logits** (`torch.Tensor` من الشكل `(batch_size, sequence_length, config.num_coords)`) -- قيم اللوجيت رباعية لكل اقتراح من مُشفِّر. - **denoising_meta_values** (`dict`، *اختياري*) -- قاموس إضافي للقيم المتعلقة بإزالة الضوضاء. - **logits** (`torch.Tensor` من الشكل `(batch_size, num_queries, config.num_labels)`) -- قيم التصنيف (logits) لطبقة المُفكِّك (decoder) الأخيرة. - **relative_order_logits** (`torch.Tensor` من الشكل `(batch_size, config.num_queries, config.num_queries)`) -- قيم الاحتمال (Logits) لترتيب القراءة النسبي بين الأزواج، بعد دمج S2R الاختياري. - **successor_order_logits** (`torch.Tensor` من الشكل `(batch_size, config.num_queries, config.num_queries)`) -- قيم الاحتمال (logits) المباشرة للأزواج من المتتاليين (ROOR). ## PPDocLayoutV4Config[[transformers.PPDocLayoutV4Config]] #### transformers.PPDocLayoutV4Config[[transformers.PPDocLayoutV4Config]] ```python transformers.PPDocLayoutV4Config(transformers_version: str | None = None, architectures: list[str] | None = None, output_hidden_states: bool | None = False, return_dict: bool | None = True, dtype: str | torch.dtype | None = None, chunk_size_feed_forward: int = 0, id2label: dict[int, str] | dict[str, str] | None = None, label2id: dict[str, int] | dict[str, str] | None = None, problem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = None, is_encoder_decoder: bool = True, initializer_range: float = 0.01, initializer_bias_prior_prob: float | None = None, layer_norm_eps: float = 1e-05, batch_norm_eps: float = 1e-05, tie_word_embeddings: bool = True, backbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = None, freeze_backbone_batch_norms: bool = True, encoder_hidden_dim: int = 256, encoder_in_channels: list[int] | tuple[int, ...] = (512, 1024, 2048), feat_strides: list[int] | tuple[int, ...] = (8, 16, 32), encoder_layers: int = 1, encoder_ffn_dim: int = 1024, encoder_attention_heads: int = 8, dropout: float | int = 0.0, activation_dropout: float | int = 0.0, encode_proj_layers: list[int] | tuple[int, ...] = (2,), positional_encoding_temperature: int = 10000, encoder_activation_function: str = 'gelu', activation_function: str = 'silu', eval_size: list[int] | tuple[int, int] | None = None, normalize_before: bool = False, hidden_expansion: float = 1.0, num_queries: int = 300, decoder_in_channels: list[int] | tuple[int, ...] = (256, 256, 256), decoder_ffn_dim: int = 1024, num_feature_levels: int = 3, decoder_n_points: int = 4, decoder_layers: int = 6, decoder_attention_heads: int = 8, decoder_activation_function: str = 'relu', attention_dropout: float | int = 0.0, num_denoising: int = 100, anchor_image_size: list[int] | tuple[int, int] | None = None, disable_custom_kernels: bool = True, global_pointer_head_size: int = 64, gp_dropout_value: float | int = 0.1, hidden_size: int = 256, num_coords: int = 10, s2r_steps: int = 3, s2r_damping: float = 0.5, s2r_closure_weight_init: float = 0.0) ``` [المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/configuration_pp_doclayout_v4.py#L30) **المعاملات:** is_encoder_decoder (`bool`، *اختياري*، الافتراضي هو `True`) : ما إذا كان النموذج يُستخدم كمُشفِّر/مُفكِّك أم لا. initializer_range (`float`، *اختياري*، القيمة الافتراضية `0.01`) : الانحراف المعياري لـ truncated_normal_initializer المستخدم لتجميع جميع مصفوفات الأوزان. initializer_bias_prior_prob (`float`, *اختياري*) : الاحتمال المسبق الذي يستخدمه مُهيّئ الانحياز (bias initializer) لتهيئة الانحيازات الخاصة بـ`enc_score_head` و`class_embed`. إذا كان `None`، فإن القيمة الافتراضية تكون `1 / (num_labels + 1)`. layer_norm_eps (`float`، *اختياري*، القيمة الافتراضية `1e-05`) : قيمة الإيبسلون المستخدمة في طبقات تطبيع الطبقة. batch_norm_eps (`float`، *اختياري*، القيمة الافتراضية `1e-05`) : قيمة الإيبسلون المستخدمة في طبقات تطبيع الدفعة. tie_word_embeddings (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب ربط ترميزات الأوزان وفقاً لخريطة `tied_weights_keys` الخاصة بالنموذج. backbone_config (`Union[dict, ~configuration_utils.PreTrainedConfig]`، *اختياري*) : إعدادات نموذج الهيكل الأساسي. freeze_backbone_batch_norms (`bool`، *اختياري*، الافتراضي `True`) : ما إذا كان سيتم تجميد طبقات تطبيع الدفعة في الهيكل الأساسي. encoder_hidden_dim (`int`، *اختياري*، القيمة الافتراضية `256`) : بُعد التمثيلات المخفية. encoder_in_channels (`list`، *اختياري*، القيمة الافتراضية `[512, 1024, 2048]`) : مدخلات ميزات متعددة المستويات للمُشفِّر. feat_strides (`list[int]`، *اختياري*، القيمة الافتراضية `[8, 16, 32]`) : الخطوات المستخدمة في كل خريطة ميزات. encoder_layers (`int`، *اختياري*، القيمة الافتراضية `1`) : عدد الطبقات المخفية في مُشفِّر Transformer. سيستخدم القيمة نفسها لـ`num_layers` إذا لم يتم ضبطه. encoder_ffn_dim (`int`، *اختياري*، القيمة الافتراضية `1024`) : بُعد طبقة "الوسيطة" (التي تُسمّى غالبًا بالطبقة الأمامية) في المُشفِّر. encoder_attention_heads (`int`، *اختياري*، القيمة الافتراضية `8`) : عدد رؤوس الانتباه لكل طبقة انتباه في مُشفِّر Transformer. dropout (`Union[float, int]`، *اختياري*، القيمة الافتراضية `0.0`) : نسبة جميع طبقات dropout. activation_dropout (`Union[float, int]`، *اختياري*، القيمة الافتراضية `0.0`) : نسبة الإسقاط (dropout) للتفعيلات داخل الطبقة المتصلة بالكامل. encode_proj_layers (`list[int]`، *اختياري*، القيمة الافتراضية `[2]`) : فهارس الطبقات المُسقطَة التي سيتم استخدامها في المُشفِّر. positional_encoding_temperature (`int`، *اختياري*، القيمة الافتراضية 10000) : معامل الحرارة المستخدم لإنشاء الترميزات الموضعية. encoder_activation_function (`str`، *اختياري*، القيمة الافتراضية `"gelu"`) : دالة التنشيط غير الخطية (دالة أو نص) في المُشفِّر والمجمِّع. إذا كان نصًا، فالدوال المدعومة هي `"gelu"`، `"relu"`، `"silu"` و`"gelu_new"`. activation_function (`str`، *اختياري*، القيمة الافتراضية `silu`) : دالة التنشيط غير الخطية (دالة أو نص) في المُفكِّك. على سبيل المثال، `"gelu"`، `"relu"`، `"silu"`، وما إلى ذلك. eval_size (`tuple[int, int]`، *اختياري*) : الارتفاع والعرض المستخدمان لحساب الارتفاع والعرض الفعليين لتضمينات المواقع بعد مراعاة الخطوة. يجب تركه `None` لإعادة إنتاج التنفيذ المرجعي، الذي يحسب تضمينات المواقع ديناميكيًا. normalize_before (`bool`، *اختياري*، القيمة الافتراضية `False`) : تحديد ما إذا كان سيتم تطبيق تطبيع الطبقة في طبقة مُشفِّر الترانسفورمر قبل وحدات الانتباه الذاتي والتغذية الأمامية. hidden_expansion (`float`، *اختياري*، القيمة الافتراضية 1.0) : نسبة التوسيع لتكبير حجم الأبعاد في RepVGGBlock و CSPRepLayer. num_queries (`int`، *اختياري*، القيمة الافتراضية 300) : عدد استعلامات الكائنات. decoder_in_channels (`list`، *اختياري*، القيمة الافتراضية `[256, 256, 256]`) : أبعاد الميزات متعددة المستويات لفك الترميز decoder_ffn_dim (`int`، *اختياري*، القيمة الافتراضية 1024) : بُعد طبقة "الوسيطة" (التي تُسمّى غالبًا طبقة التغذية الأمامية) في المُفكِّك. num_feature_levels (`int`، *اختياري*، القيمة الافتراضية 3) : عدد مستويات ميزات الإدخال. decoder_n_points (`int`، *اختياري*، القيمة الافتراضية 4) : عدد المفاتيح المُستخرجة في كل مستوى من مستويات الميزات لكل رأس من رؤوس الانتباه في المُفكِّك. decoder_layers (`int`، *اختياري*، القيمة الافتراضية `6`) : عدد الطبقات المخفية في مُفكِّك Transformer. سيستخدم القيمة نفسها لـ`num_layers` إذا لم يتم ضبطه. decoder_attention_heads (`int`، *اختياري*، القيمة الافتراضية `8`) : عدد رؤوس الانتباه في كل طبقة انتباه داخل مُفكِّك Transformer. decoder_activation_function (`str`، *اختياري*، القيمة الافتراضية `"relu"`) : دالة التنشيط غير الخطية (دالة أو نص) في المُفكِّك. إذا كان نصًا، فالدوال المدعومة هي `"gelu"`، `"relu"`، `"silu"` و`"gelu_new"`. attention_dropout (`Union[float, int]`، *اختياري*، القيمة الافتراضية `0.0`) : نسبة الإسقاط (dropout) لاحتمالات الانتباه. num_denoising (`int`، *اختياري*، القيمة الافتراضية 100) : العدد الإجمالي لمهام إزالة الضوضاء أو الاستعلامات التي سيتم استخدامها لإزالة الضوضاء التباينية. anchor_image_size (`tuple[int, int]`، *اختياري*) : ارتفاع وعرض صورة الإدخال المستخدمة أثناء التقييم لتوليد أطر الحدود. إذا كانت القيمة None، يتم تطبيق توليد تلقائي للأطر. disable_custom_kernels (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان سيتم تعطيل الأنوية المخصصة. global_pointer_head_size (`int`، *اختياري*، القيمة الافتراضية 64) : حجم رأس المؤشر العام. gp_dropout_value (`float`، *اختياري*، القيمة الافتراضية 0.1) : احتمال الإسقاط (dropout) في رأس المؤشر العام (global pointer head). hidden_size (`int`، *اختياري*، القيمة الافتراضية 256) : بُعد طبقات المُفكِّك، باستثناء المُشفِّر الهجين. يمكن قراءته أيضًا على أنه `d_model`، وهو الاسم المستخدم في سلالة RT-DETR التي ينحدر منها هذا النموذج. num_coords (`int`, *اختياري*، القيمة الافتراضية 10) : حجم معلمات الصندوق التي تتنبأ بها رؤوس bbox. يعيد PP-DocLayoutV4 انحدار رباعي من أربع نقاط مشفَّرًا على شكل `[center_x, center_y, dx1, dy1, dx2, dy2, dx3, dy3, dx4, dy4]` في فضاء sigmoid، حيث تُزاح إزاحات الزوايا بمقدار `+0.5`. لا يُدعم سوى `10`. s2r_steps (`int`، *اختياري*، القيمة الافتراضية 3) : عدد خطوات الانتشار المستخدمة لتقريب الإغلاق الانتقالي لمصفوفة اللاحق. s2r_damping (`float`، *اختياري*، القيمة الافتراضية 0.5) : معامل التخميد المطبَّق على كل خطوة انتشار إضافية من خطوات الإغلاق الانتقالي. s2r_closure_weight_init (`float`، *اختياري*، القيمة الافتراضية 0.0) : القيمة الأولية للبوابة القابلة للتعلم التي تُضفي وزنًا على حد الإغلاق. القيمة الافتراضية هي `0.0` بحيث تكون وحدة الدمج غير المدرّبة مطابقةً رقميًا لاستخدام سجلات الترتيب النسبي وحدها. هذه فئة الإعدادات المخزنة لإعدادات نموذج PPDocLayoutV4Model. تُستخدم لاستحداث نموذج Pp Doclayout V4 وفقًا للحجج المحددة، مع تعريف بنية النموذج. إن استحداث إعدادات باستخدام القيم الافتراضية سيؤدي إلى إعدادات مشابهة لتلك الخاصة بـ [PaddlePaddle/PP-DocLayoutV4_safetensors](https://huggingface.co/PaddlePaddle/PP-DocLayoutV4_safetensors) ترث كائنات الإعداد من [PreTrainedConfig](/docs/transformers/main/ar/main_classes/configuration#transformers.PreTrainedConfig) ويمكن استخدامها للتحكم في مخرجات النموذج. اقرأ التوثيق الخاص بـ [PreTrainedConfig](/docs/transformers/main/ar/main_classes/configuration#transformers.PreTrainedConfig) لمزيد من المعلومات. أمثلة: ```python >>> from transformers import PPDocLayoutV4Config, PPDocLayoutV4ForObjectDetection >>> # Initializing a PP-DocLayoutV4 configuration >>> configuration = PPDocLayoutV4Config() >>> # Initializing a model (with random weights) from the configuration >>> model = PPDocLayoutV4ForObjectDetection(configuration) >>> # Accessing the model configuration >>> configuration = model.config ``` ## PPDocLayoutV4ImageProcessor[[transformers.PPDocLayoutV4ImageProcessor]] #### transformers.PPDocLayoutV4ImageProcessor[[transformers.PPDocLayoutV4ImageProcessor]] ```python transformers.PPDocLayoutV4ImageProcessor(**kwargs: *) ``` [المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/image_processing_pp_doclayout_v4.py#L36) **المعاملات:** do_convert_rgb (`bool`، *kwargs*، *اختياري*) : ما إذا كان يجب تحويل الصورة إلى RGB. do_resize (`bool`، *kwargs*، *اختياري*، الافتراضي هو `True`) : ما إذا كان سيتم تغيير حجم الصورة. size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`، *kwargs*، القيمة الافتراضية `{'height' : 800, 'width': 800}`): يصف الأبعاد القصوى للإدخال إلى النموذج. default_to_square (`bool`، *kwargs*، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب افتراض صورة مربعة عند تغيير الحجم، إذا كان الحجم من نوع عدد صحيح. crop_size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`، *kwargs*) : حجم الصورة الناتجة بعد تطبيق `center_crop`. resample (`Annotated[Union[int, PILImageResampling, NoneType], None]`، *kwargs*، القيمة الافتراضية `3`) : مرشح إعادة العينة المستخدم عند تغيير حجم الصورة. يمكن أن يكون أحد قيم enum `PILImageResampling`. لا يؤثر إلا إذا كانت قيمة `do_resize` هي `True`. do_rescale (`bool`، *kwargs*، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إعادة تحجيم الصورة. rescale_factor (`float`، *kwargs*، *اختياري*، القيمة الافتراضية هي `0.00392156862745098`) : عامل إعادة التحجيم لإعادة تحجيم الصورة إذا كان `do_rescale` مضبوطاً على `True`. do_normalize (`bool`، *kwargs*، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان سيتم تطبيع الصورة. image_mean (`Union[float, list[float], tuple[float, ...]]`، *kwargs*، *اختياري*، القيمة الافتراضية `[0, 0, 0]`) : متوسط الصورة المستخدم للتطبيع. لا يكون له تأثير إلا إذا تم تعيين `do_normalize` إلى `True`. image_std (`Union[float, list[float], tuple[float, ...]]`، *kwargs*، *اختياري*، القيمة الافتراضية `[1, 1, 1]`) : الانحراف المعياري للصورة المستخدم للتطبيع. لا يكون له أي تأثير إلا إذا تم تعيين `do_normalize` إلى `True`. do_pad (`bool`، *kwargs*، *اختياري*) : ما إذا كان يجب إضافة حشوة إلى الصورة. يتم تنفيذ الحشوة إما إلى أكبر حجم في الدفعة أو إلى حجم مربع ثابت لكل صورة. تعتمد استراتيجية الحشوة الدقيقة على النموذج. pad_size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`, *kwargs*) : الحجم على شكل `{"height": int, "width" int}` الذي يجب توسيد الصور إليه. يجب أن يكون أكبر من أي حجم صورة مُقدَّم للمعالجة المسبقة. إذا لم يُقدَّم `pad_size`، فسيتم توسيد الصور إلى أكبر ارتفاع وعرض في الدفعة. يُطبَّق فقط عندما يكون `do_pad=True.` do_center_crop (`bool`، *kwargs*، *اختياري*) : ما إذا كان يجب قص الصورة من المنتصف. data_format (`Union[str, ~image_utils.ChannelDimension]`، *kwargs*، *اختياري*) : يُدعم `ChannelDimension.FIRST` فقط. أُضيف من أجل التوافق مع المعالجات البطيئة. input_data_format (`Union[str, ~image_utils.ChannelDimension]`، *kwargs*، *اختياري*) : تنسيق بُعد القناة للصورة المدخلة. إذا لم يتم ضبطه، يُستنتج تنسيق بُعد القناة من الصورة المدخلة. يمكن أن يكون أحد ما يلي: - `"channels_first"` أو `ChannelDimension.FIRST`: صورة بتنسيق (num_channels, height, width). - `"channels_last"` أو `ChannelDimension.LAST`: صورة بتنسيق (height, width, num_channels). - `"none"` أو `ChannelDimension.NONE`: صورة بتنسيق (height, width). device (`Annotated[Union[str, torch.device, NoneType], None]`, *kwargs*) : الجهاز الذي تتم عليه معالجة مقاطع الفيديو. إذا لم يتم ضبطه، يُستنتج الجهاز من مقاطع الفيديو المدخلة. return_tensors (`Annotated[str | ~utils.generic.TensorType | None, None]`, *kwargs*) : تُرجع توتنرات مكدّسة إذا كان الإعداد `'pt'`، وإلا تُرجع قائمة من التوتنرات. disable_grouping (`bool`، *kwargs*، *اختياري*) : ما إذا كان سيتم تعطيل تجميع الصور حسب الحجم لمعالجتها بشكل فردي بدلاً من دفعات. إذا كانت القيمة None، فسيتم تعيينها إلى True إذا كانت الصور على وحدة المعالجة المركزية (CPU)، وإلا فستكون False. تستند هذه الخيارات إلى ملاحظات تجريبية، كما هو موضح هنا: https://github.com/huggingface/transformers/pull/38157 image_seq_length (`int`، *kwargs*، *optional*) : عدد رموز الصور المستخدمة لكل صورة في المدخلات. أُضيف للتوافق الرجعي، لكن ينبغي ضبطه كخاصية للمعالج في النماذج المستقبلية. يعيد تينسورات مكدسة إذا ضُبط على `'pt'`، وإلا يعيد قائمة من التينسورات. disable_grouping (`bool`، *kwargs*، *اختياري*) : ما إذا كان سيتم تعطيل تجميع الصور حسب الحجم لمعالجتها بشكل فردي بدلاً من دفعات. إذا كانت القيمة None، فسيتم تعيينها إلى True إذا كانت الصور على وحدة المعالجة المركزية (CPU)، وإلا فستكون False. تستند هذه الخيارات إلى ملاحظات تجريبية، كما هو موضح هنا: https://github.com/huggingface/transformers/pull/38157 image_seq_length (`int`، *kwargs*، *optional*) : عدد رموز الصور المستخدمة لكل صورة في المدخلات. أُضيف للتوافق الرجعي، لكن ينبغي ضبطه كخاصية للمعالج في النماذج المستقبلية. يعيد تينسورات مكدسة إذا ضُبط على `'pt'`، وإلا يعيد قائمة من التينسورات. disable_grouping (`bool`، *kwargs*، *اختياري*) : ما إذا كان سيتم تعطيل تجميع الصور حسب الحجم لمعالجتها بشكل فردي بدلاً من دفعات. إذا كانت القيمة None، فسيتم تعيينها إلى True إذا كانت الصور على وحدة المعالجة المركزية (CPU)، وإلا فستكون False. تستند هذه الخيارات إلى ملاحظات تجريبية، كما هو موضح هنا: https://github.com/huggingface/transformers/pull/38157 image_seq_length (`int`، *kwargs*، *اختياري*) : عدد رموز الصور التي سيتم استخدامها لكل صورة في المدخلات. أُضيفت لضمان التوافق مع الإصدارات السابقة، لكن ينبغي ضبطها كخاصية للمعالج في النماذج المستقبلية. يعيد تينسورات مكدسة إذا تم ضبطه على `'pt'`، وإلا يعيد قائمة من التينسورات. -- ينشئ معالج صور PPDocLayoutV4ImageProcessor. disable_grouping (`bool`، *kwargs*، *اختياري*): هل يتم تعطيل تجميع الصور حسب الحجم لمعالجتها بشكل فردي وليس على شكل دفعات. إذا كانت القيمة None، فسيتم تعيينها إلى True إذا كانت الصور على CPU، وإلا فسيتم تعيينها إلى False. هذا الاختيار مبني على ملاحظات تجريبية، كما هو موضح هنا: https://github.com/huggingface/transformers/pull/38157 image_seq_length (`int`، *kwargs*، *اختياري*): عدد رموز الصور التي سيتم استخدامها لكل صورة في المدخلات. أُضيفت للتوافق مع الإصدارات السابقة، لكن يجب تعيينها كخاصية لـ processor في النماذج المستقبلية. #### preprocess[[transformers.PPDocLayoutV4ImageProcessor.preprocess]] ```python preprocess(images: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor']], *args, image_like_kwargs: dict[str, typing.Any] | None = None, **kwargs: *) ``` [المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_utils.py#L382) **المعاملات:** images (`Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]]`) : الصورة المراد معالجتها مسبقًا. يتوقع صورة واحدة أو دفعة من الصور بقيم بكسل تتراوح بين 0 و255. إذا كنت تمرر صورًا بقيم بكسل بين 0 و1، فاضبط `do_rescale=False`. image_like_kwargs (`dict[str, Any]`، *اختياري*) : علم مخصص للمطورين لإدخال مدخلات إضافية تشبه الصور والتي سيتم معالجتها مسبقًا أيضًا. استخدم هذا الخيار فقط إذا لم يعمل تمرير المدخلات كحجة اسمية (kwarg). على سبيل المثال، يُعد `preprocess(images, masks=masks)` الخيار المفضل، لكنه يؤدي إلى مشاكل في أولوية الحجة لبعض النماذج. في تلك الحالات، يمكن استخدام `preprocess(images, image_like_inputs={"masks": masks})` بدلاً منه. do_convert_rgb (`bool`، *kwargs*، *اختياري*) : ما إذا كان يجب تحويل الصورة إلى RGB. do_resize (`bool`، *kwargs*، *اختياري*) : ما إذا كان يجب تغيير حجم الصورة. size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`, *kwargs*) : يصف الأبعاد القصوى للمدخلات إلى النموذج. default_to_square (`bool`، *kwargs*، *اختياري*) : ما إذا كان يجب افتراض صورة مربعة عند تغيير الحجم، إذا كان الحجم عددًا صحيحًا. crop_size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`، *kwargs*) : حجم الصورة الناتجة بعد تطبيق `center_crop`. resample (`Annotated[Union[int, PILImageResampling, NoneType], None]`, *kwargs*) : مرشح إعادة العينة المستخدم عند تغيير حجم الصورة. يمكن أن يكون أحد قيم enum `PILImageResampling`. لا يؤثر إلا إذا كان `do_resize` مضبوطاً على `True`. do_rescale (`bool`، *kwargs*، *اختياري*) : ما إذا كان يجب إعادة تحجيم الصورة. rescale_factor (`float`، *kwargs*، *اختياري*) : معامل إعادة التحجيم لإعادة تحجيم الصورة إذا كان `do_rescale` مضبوطًا على `True`. do_normalize (`bool`، *kwargs*، *اختياري*) : ما إذا كان يجب تطبيع الصورة. image_mean (`Union[float, list[float], tuple[float, ...]]`، *kwargs*، *اختياري*) : متوسط الصورة المستخدم للتطبيع. لا يكون له أي تأثير إلا إذا تم تعيين `do_normalize` إلى `True`. image_std (`Union[float, list[float], tuple[float, ...]]`، *kwargs*، *اختياري*) : الانحراف المعياري للصورة المستخدم للتطبيع. لا يكون له أي تأثير إلا إذا تم تعيين `do_normalize` إلى `True`. do_pad (`bool`، *kwargs*، *اختياري*) : ما إذا كان يجب إضافة حشوة إلى الصورة. يتم تنفيذ الحشوة إما إلى أكبر حجم في الدفعة أو إلى حجم مربع ثابت لكل صورة. تعتمد استراتيجية الحشوة الدقيقة على النموذج. pad_size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`, *kwargs*) : الحجم على شكل `{"height": int, "width" int}` الذي يجب توسيد الصور إليه. يجب أن يكون أكبر من أي حجم صورة مُقدَّم للمعالجة المسبقة. إذا لم يُقدَّم `pad_size`، فسيتم توسيد الصور إلى أكبر ارتفاع وعرض في الدفعة. يُطبَّق فقط عندما يكون `do_pad=True.` do_center_crop (`bool`، *kwargs*، *اختياري*) : ما إذا كان يجب قص الصورة من المنتصف. data_format (`Union[str, ~image_utils.ChannelDimension]`، *kwargs*، *اختياري*) : يُدعم `ChannelDimension.FIRST` فقط. أُضيف من أجل التوافق مع المعالجات البطيئة. input_data_format (`Union[str, ~image_utils.ChannelDimension]`، *kwargs*، *اختياري*) : تنسيق بُعد القناة للصورة المدخلة. إذا لم يتم ضبطه، يُستنتج تنسيق بُعد القناة من الصورة المدخلة. يمكن أن يكون أحد ما يلي: - `"channels_first"` أو `ChannelDimension.FIRST`: صورة بتنسيق (num_channels, height, width). - `"channels_last"` أو `ChannelDimension.LAST`: صورة بتنسيق (height, width, num_channels). - `"none"` أو `ChannelDimension.NONE`: صورة بتنسيق (height, width). device (`Annotated[Union[str, torch.device, NoneType], None]`, *kwargs*) : الجهاز الذي تتم عليه معالجة مقاطع الفيديو. إذا لم يتم ضبطه، يُستنتج الجهاز من مقاطع الفيديو المدخلة. return_tensors (`Annotated[str | ~utils.generic.TensorType | None, None]`, *kwargs*) : تُرجع توتنرات مكدّسة إذا كان الإعداد `'pt'`، وإلا تُرجع قائمة من التوتنرات. disable_grouping (`bool`، *kwargs*، *اختياري*) : ما إذا كان سيتم تعطيل تجميع الصور حسب الحجم لمعالجتها بشكل فردي بدلاً من دفعات. إذا كانت القيمة None، فسيتم تعيينها إلى True إذا كانت الصور على وحدة المعالجة المركزية (CPU)، وإلا فستكون False. تستند هذه الخيارات إلى ملاحظات تجريبية، كما هو موضح هنا: https://github.com/huggingface/transformers/pull/38157 image_seq_length (`int`، *kwargs*، *اختياري*) : عدد رموز الصور التي سيتم استخدامها لكل صورة في المدخلات. أُضيفت لضمان التوافق مع الإصدارات السابقة، لكن ينبغي ضبطها كخاصية للمعالج في النماذج المستقبلية. **يعيد:** `~image_processing_base.BatchFeature` - **data** (`dict`) -- قاموس من القوائم/المصفوفات/الموترات التي يعيدها أسلوب __call__ ('pixel_values'، وما إلى ذلك). - **tensor_type** (`Union[None, str, TensorType]`، *اختياري*) -- يمكنك تحديد tensor_type هنا لتحويل قوائم الأعداد الصحيحة إلى تينسورات PyTorch/Numpy عند التهيئة. معالجة صورة أو دفعة من الصور مسبقًا. #### post_process_object_detection[[transformers.PPDocLayoutV4ImageProcessor.post_process_object_detection]] ```python post_process_object_detection(outputs, threshold: float = 0.5, target_sizes = None) ``` [المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/image_processing_pp_doclayout_v4.py#L121) **المعاملات:** outputs (`PPDocLayoutV4ForObjectDetectionOutput`) : المخرجات الخام للنموذج. threshold (`float`، *اختياري*، القيمة الافتراضية 0.5) : عتبة التقييم للاحتفاظ بتوقعات كشف الكائنات. target_sizes (`torch.Tensor` أو `list[tuple[int, int]]`) : متجه (Tensor) بأبعاد `(batch_size, 2)` أو قائمة من الأزواج (`(height, width)`) تحدد الحجم المستهدف لكل صورة في الدفعة. **يعيد:** `list[Dict]` قائمة من القواميس، واحدة لكل صورة، تحتوي كل منها على `scores` و`labels` و`boxes` و`polygon_points` و`order_seq` التي يتنبأ بها النموذج. تُرتَّب التنبؤات حسب ترتيب القراءة، لذا فإن `order_seq` غير متناقص (الاستعلام المحدد تحت عدة تسميات يحتفظ برتبة واحدة). يحوّل المخرجات الخام لـ [PPDocLayoutV4ForObjectDetection](/docs/transformers/main/ar/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4ForObjectDetection) إلى مضلعات نهائية، وصناديق محيطة بصيغة `(top_left_x, top_left_y, bottom_right_x, bottom_right_y)`، وترتيبات ترتيب القراءة. يدعم PyTorch فقط.