Transformers 文档

特征提取器

Hugging Face's logo
加入 Hugging Face 社区

并获取增强的文档体验

开始使用

特征提取器

特征提取器负责为音频或视觉模型准备输入特征。这包括从序列中提取特征,例如,预处理音频文件以生成 Log-Mel 谱图特征,从图像中提取特征,例如,裁剪图像文件,以及填充、规范化和转换为 NumPy、PyTorch 和 TensorFlow 张量。

FeatureExtractionMixin

class transformers.FeatureExtractionMixin

< >

( **kwargs )

这是一个用于提供序列和图像特征提取器的保存/加载功能的特征提取 mixin。

from_pretrained

< >

( pretrained_model_name_or_path: Union cache_dir: Union = None force_download: bool = False local_files_only: bool = False token: Union = None revision: str = 'main' **kwargs )

参数

  • pretrained_model_name_or_path (stros.PathLike) — 这可以是:

    • 一个字符串,即托管在 huggingface.co 上模型仓库中的预训练特征提取器的模型 ID
    • 包含使用 save_pretrained() 方法保存的特征提取器文件的目录的路径,例如,./my_model_directory/
    • 保存的特征提取器 JSON 文件的路径或 URL,例如,./my_model_directory/preprocessor_config.json
  • cache_dir (stros.PathLike, 可选) — 用于缓存下载的预训练模型特征提取器的目录路径,如果不想使用标准缓存。
  • force_download (bool, 可选,默认值为 False) — 是否强制(重新)下载特征提取器文件并覆盖现有的缓存版本。 resume_download — 已弃用且被忽略。所有下载现在默认情况下尽可能恢复。将在 Transformers 的 v5 版本中删除。
  • proxies (Dict[str, str], 可选) — 按协议或端点使用的代理服务器字典,例如,{'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'}. 代理在每个请求中使用。
  • token (strbool, 可选) — 用作远程文件 HTTP 身份验证标头的令牌。如果为 True,或未指定,则将使用运行 huggingface-cli login 时生成的令牌(存储在 ~/.huggingface 中)。
  • revision (str, 可选,默认值为 "main") — 要使用的特定模型版本。它可以是分支名称、标签名称或提交 ID,因为我们使用基于 git 的系统在 huggingface.co 上存储模型和其他工件,因此 revision 可以是 git 允许的任何标识符。

从特征提取器(例如,SequenceFeatureExtractor 的派生类)实例化 FeatureExtractionMixin 类型。

示例

# We can't instantiate directly the base class *FeatureExtractionMixin* nor *SequenceFeatureExtractor* so let's show the examples on a
# derived class: *Wav2Vec2FeatureExtractor*
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained(
    "facebook/wav2vec2-base-960h"
)  # Download feature_extraction_config from huggingface.co and cache.
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained(
    "./test/saved_model/"
)  # E.g. feature_extractor (or model) was saved using *save_pretrained('./test/saved_model/')*
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("./test/saved_model/preprocessor_config.json")
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained(
    "facebook/wav2vec2-base-960h", return_attention_mask=False, foo=False
)
assert feature_extractor.return_attention_mask is False
feature_extractor, unused_kwargs = Wav2Vec2FeatureExtractor.from_pretrained(
    "facebook/wav2vec2-base-960h", return_attention_mask=False, foo=False, return_unused_kwargs=True
)
assert feature_extractor.return_attention_mask is False
assert unused_kwargs == {"foo": False}

save_pretrained

< >

( save_directory: Union push_to_hub: bool = False

参数

  • save_directory (stros.PathLike) — 特征提取器 JSON 文件将保存到的目录(如果目录不存在则创建)。
  • push_to_hub (bool, 可选, 默认为 False) — 是否在保存模型后将其推送到 Hugging Face 模型中心。您可以使用 repo_id 指定要推送到哪个仓库(默认为您的命名空间中 save_directory 的名称)。
  • kwargs (Dict[str, Any], 可选) — 传递给 push_to_hub() 方法的额外关键字参数。

将特征提取器对象保存到 save_directory 目录中,以便可以使用 from_pretrained() 类方法重新加载它。

SequenceFeatureExtractor

class transformers.SequenceFeatureExtractor

< >

( feature_size: int sampling_rate: int padding_value: float **kwargs )

参数

  • feature_size (int) — 提取的特征的特征维度。
  • sampling_rate (int) — 音频文件应以赫兹 (Hz) 表示的数字化采样率。
  • padding_value (float) — 用于填充填充值/向量的值。

这是一个用于语音识别的通用特征提取类。

填充

< >

( processed_features: Union padding: Union = True max_length: Optional = None truncation: bool = False pad_to_multiple_of: Optional = None return_attention_mask: Optional = None return_tensors: Union = None )

参数

  • processed_features (BatchFeature, list of BatchFeature, Dict[str, List[float]], Dict[str, List[List[float]]List[Dict[str, List[float]]]) — 处理后的输入。可以表示单个输入 (BatchFeatureDict[str, List[float]]) 或一批输入值/向量(BatchFeature 的列表、Dict[str, List[List[float]]]List[Dict[str, List[float]]]),因此您可以在预处理期间以及在 PyTorch Dataloader 收集函数中使用此方法。

    除了 List[float] 之外,您还可以使用张量(NumPy 数组、PyTorch 张量或 TensorFlow 张量),请参阅上面的说明以了解返回值类型。

  • padding (bool, strPaddingStrategy, 可选,默认为 True) — 从以下选项中选择一种策略来填充返回的序列(根据模型的填充侧和填充索引):

    • True'longest': 填充到批次中最长的序列(如果只提供单个序列,则不填充)。
    • 'max_length': 填充到使用参数 max_length 指定的最大长度,或者如果未提供该参数,则填充到模型可接受的最大输入长度。
    • False'do_not_pad' (默认): 不填充(即,可以输出具有不同长度序列的批次)。
  • max_length (int, 可选) — 返回列表的最大长度,以及可选的填充长度(见上文)。
  • truncation (bool) — 激活截断,将长度超过 max_length 的输入序列截断为 max_length
  • pad_to_multiple_of (int, 可选) — 如果设置,将填充序列以使其成为所提供值的倍数。

    这对于在具有 >= 7.5 (Volta) 计算能力的 NVIDIA 硬件上使用张量核心,或者在从序列长度是 128 的倍数中受益的 TPU 上使用非常有用。

  • return_attention_mask (bool, 可选) — 是否返回注意力掩码。如果保留默认值,将根据特定特征提取器的默认值返回注意力掩码。

    什么是注意力掩码?

  • return_tensors (strTensorType, 可选) — 如果设置,将返回张量而不是 Python 整数列表。可接受的值为:

    • 'tf': 返回 TensorFlow tf.constant 对象。
    • 'pt': 返回 PyTorch torch.Tensor 对象。
    • 'np': 返回 NumPy np.ndarray 对象。

将输入值/输入向量或一批输入值/输入向量填充到预定义长度或批次中的最大序列长度。

填充侧(左/右)填充值在特征提取器级别定义(使用 self.padding_sideself.padding_value)。

如果传递的 processed_features 是 NumPy 数组、PyTorch 张量或 TensorFlow 张量的字典,除非您使用 return_tensors 提供不同的张量类型,否则结果将使用相同的类型。在 PyTorch 张量的情况下,您将丢失张量的特定设备。

BatchFeature

class transformers.BatchFeature

< >

( data: Optional = None tensor_type: Union = None )

参数

  • data (dict, 可选) — 由调用/填充方法返回的列表/数组/张量的字典(“input_values”、“attention_mask”等)。
  • tensor_type (Union[None, str, TensorType], 可选) — 你可以在初始化时提供一个 tensor_type 来将 PyTorch/TensorFlow/Numpy 张量中的整数列表进行转换。

保存 pad() 和特征提取器特定的 __call__ 方法的输出。

此类派生自 Python 字典,可以作为字典使用。

convert_to_tensors

< >

( tensor_type: Union = None )

参数

  • tensor_type (strTensorType, 可选) — 要使用的张量类型。如果为 str,则应为枚举 TensorType 的值之一。如果为 None,则不进行任何修改。

将内部内容转换为张量。

to

< >

( *args **kwargs ) BatchFeature

参数

  • args (Tuple) — 将传递给张量的 to(...) 函数。
  • kwargs (Dict, 可选) — 将传递给张量的 to(...) 函数。

返回

BatchFeature

修改后的相同实例。

通过调用 v.to(*args, **kwargs) 将所有值发送到设备(仅 PyTorch)。这应该支持在不同的 dtypes 中进行转换并将 BatchFeature 发送到不同的 device

ImageFeatureExtractionMixin

class transformers.ImageFeatureExtractionMixin

< >

( )

包含用于准备图像特征的实用程序的混合。

center_crop

  • image (PIL.Image.Imagenp.ndarraytorch.Tensor 形状为 (n_channels, height, width) 或 (height, width, n_channels)) — 要调整大小的图像。
  • size (intTuple[int, int]) — 要裁剪图像的大小。

返回

new_image

中心裁剪后的 PIL.Image.Imagenp.ndarraytorch.Tensor 形状为:(n_channels, height, width)。

使用中心裁剪将 image 裁剪到给定大小。请注意,如果图像太小而无法裁剪到给定大小,它将被填充(因此返回的结果具有请求的大小)。

convert_rgb

< >

( image )

参数

  • image (PIL.Image.Image) — 要转换的图像。

PIL.Image.Image 转换为 RGB 格式。

expand_dims

< >

( image )

参数

  • image (PIL.Image.Imagenp.ndarraytorch.Tensor) — 要扩展的图像。

将二维 image 扩展为三维。

flip_channel_order

< >

( image )

参数

  • image (PIL.Image.Imagenp.ndarraytorch.Tensor) — 要翻转颜色通道的图像。如果 np.ndarraytorch.Tensor,则通道维度应为第一位。

image 的通道顺序从 RGB 翻转为 BGR,反之亦然。请注意,如果它是 PIL 图像,这将触发将 image 转换为 NumPy 数组。

normalize

< >

( image mean std rescale = False )

参数

  • mean (List[float]np.ndarraytorch.Tensor) — 用于归一化的均值(每个通道)。
  • std (List[float]np.ndarraytorch.Tensor) — 用于归一化的标准差(每个通道)。
  • rescale (bool, 可选, 默认为 False) — 是否将图像重新缩放至 0 到 1 之间。 如果提供了 PIL 图像,则缩放会自动进行。

使用 meanstdimage 进行归一化。 注意,如果 image 是 PIL 图像,这将触发将其转换为 NumPy 数组。

rescale

< >

( image: ndarray scale: Union )

按比例缩放 numpy 图像。

resize

< >

( image size resample = None default_to_square = True max_size = None ) image

参数

  • image (PIL.Image.Imagenp.ndarraytorch.Tensor) — 要调整大小的图像。
  • size (intTuple[int, int]) — 用于调整图像大小的大小。 如果 size 是一个序列,例如 (h, w),则输出大小将与之匹配。

    如果 size 是一个整数,并且 default_to_squareTrue,则图像将调整为 (size, size)。 如果 size 是一个整数,并且 default_to_squareFalse,则图像的较小边将与该数字匹配。 例如,如果高度 > 宽度,则图像将调整为 (size * 高度 / 宽度, size)。

  • resample (int, 可选, 默认为 PILImageResampling.BILINEAR) — 用于重采样的过滤器。
  • default_to_square (bool, 可选, 默认为 True) — 当 size 是单个整数时如何转换 size。 如果设置为 True,则 size 将转换为一个正方形 (size, size)。 如果设置为 False,则将复制 torchvision.transforms.Resize,支持仅调整最小边的大小并提供可选的 max_size
  • max_size (int, 可选, 默认为 None) — 调整大小后的图像长边允许的最大值:如果图像的长边在根据 size 调整大小后大于 max_size,则再次调整图像大小,使长边等于 max_size。因此,size 可能会被覆盖,即短边可能比 size 短。仅在 default_to_squareFalse 时使用。

返回

图像

调整大小后的 PIL.Image.Image

调整 image 的大小。强制将输入转换为 PIL.Image。

旋转

< >

( image angle resample = None expand = 0 center = None translate = None fillcolor = None ) image

参数

  • image (PIL.Image.Imagenp.ndarraytorch.Tensor) — 要旋转的图像。如果为 np.ndarraytorch.Tensor,将在旋转之前转换为 PIL.Image.Image

返回

图像

旋转后的 PIL.Image.Image

返回 image 的旋转副本。此方法返回 image 的副本,以逆时针方向围绕其中心旋转给定的度数。

转换为 NumPy 数组

< >

( image rescale = None channel_first = True )

参数

  • image (PIL.Image.Imagenp.ndarraytorch.Tensor) — 要转换为 NumPy 数组的图像。
  • rescale (bool, 可选) — 是否应用缩放因子(使像素值介于 0. 和 1. 之间的浮点数)。如果图像为 PIL Image 或整数数组/张量,则默认为 True,否则为 False
  • channel_first (bool, 可选, 默认为 True) — 是否将图像的维度置换以将通道维度置于首位。

image 转换为 NumPy 数组。可选地对其进行缩放并将通道维度设置为第一个维度。

转换为 PIL Image

< >

( image rescale = None )

参数

  • image (PIL.Image.Imagenumpy.ndarraytorch.Tensor) — 要转换为 PIL Image 格式的图像。
  • rescale (bool, 可选) — 是否应用缩放因子(使像素值介于 0 和 255 之间的整数)。如果图像类型为浮点类型,则默认为 True,否则为 False

image 转换为 PIL Image。可选地对其进行缩放,并在需要时将通道维度放回最后一个轴。

< > 在 GitHub 上更新