参数：

• images (ImageInput) — 需要预处理的图像。期望单个或批量的图像，像素值范围从0到255。如果传入像素值在0到1之间的图像，设置do_rescale=False。
• do_resize (bool, 可选, 默认 self.do_resize) — 是否缩放图像。
• size (Dict[str, int], 可选, 默认 self.size) — 应用缩放后图像的大小。
• crop_pct (float, 可选, 默认 self.crop_pct) — 要裁剪的图像百分比。只有当 do_resize 设置为 True 时才有效。
• resample (int, 可选，默认为 self.resample) — 如果调整图像大小时使用的重采样滤波器。这可以是枚举 PILImageResampling 的一个值，只有当 do_resize 设置为 True 时才有效。
• do_center_crop (bool, 可选，默认为 self.do_center_crop) — 是否中心裁剪图像。
• crop_size (Dict[str, int], 可选，默认为 self.crop_size) — 应用中心裁剪后的图像大小。
• do_rescale (bool, 可选，默认为 self.do_rescale) — 是否将图像值缩放到 [0 - 1] 范围内。
• rescale_factor（浮点数，可选，默认为 self.rescale_factor）— 如果设置为 True，则通过调整图像的 rescale_factor 进行缩放的缩放因子。
• do_normalize（布尔值，可选，默认为 self.do_normalize）— 是否对图像进行归一化。
• image_mean（浮点数或浮点数列表，可选，默认为 self.image_mean）— 图像均值。
• image_std（float 或 List[float]，可选，默认为 self.image_std）- 图像标准差。
• return_tensors（str 或 TensorType，可选）- 返回张量的类型。可以是以下之一：
  • 未设置：返回一个包含 np.ndarray 的列表。
  • TensorType.TENSORFLOW 或 'tf'：返回一个类型为 tf.Tensor 的批次。
  • TensorType.PYTORCH 或 'pt'：返回一个类型为 torch.Tensor 的批次。
  • TensorType.NUMPY 或 'np'：返回一个类型为 np.ndarray 的批次。
  • TensorType.JAX 或 'jax'：返回一个类型为 jax.numpy.ndarray 的批次。
• data_format（ChannelDimension 或 str，可选，默认为 ChannelDimension.FIRST）- 输出图像的通道维度格式。可以是以下之一：
  • ChannelDimension.FIRST：图像格式为 (num_channels, height, width)。
  • ChannelDimension.LAST：图像格式为 (height, width, num_channels)。
• input_data_format (ChannelDimension 或 str，可选) — 输入图像的通道维度格式。如果未设置，则从输入图像推断通道维度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：图像格式为 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST：图像格式为 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE：图像格式为 (height, width)。

参数：

参数：

• pixel_values (torch.FloatTensor，形状为 (batch_size, num_channels, height, width)) — 像素值。可以通过 AutoImageProcessor 获取像素值。有关详细信息，请参阅 PoolFormerImageProcessor.call()。
• labels (torch.LongTensor，形状为 (batch_size,)，可选) — 用于计算图像分类/回归损失的标签。索引应为 [0, ..., config.num_labels - 1]。如果 config.num_labels == 1，则计算回归损失（均方损失）；如果 config.num_labels > 1，则计算分类损失（交叉熵）。

A transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或一个由 torch.FloatTensor 组成的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），根据配置（PoolFormerConfig）和输入包含各种元素。

• loss （形状为 (1,) 的 torch.FloatTensor，可选，当提供 labels 时返回） — 分类（或当 config.num_labels==1 时为回归）损失。
• logits (torch.FloatTensor 形状为 (batch_size, config.num_labels)) — 分类（如果 config.num_labels == 1 则为回归）的得分（SoftMax 之前）。
• hidden_states (tuple(torch.FloatTensor)，可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — 由 torch.FloatTensor 组成的元组（如果模型具有嵌入层，则一个用于嵌入层的输出，一个用于每个阶段的输出）形状为 (batch_size, num_channels, height, width)。每个阶段的模型输出隐藏状态（也称为特征图）。