参数

• images (ImageInput) — 要预处理的图像。期望像素值范围为 0 到 255 的单个或批次图像。如果传入的图像像素值在 0 到 1 之间，请将 do_rescale=False。
• do_resize (bool, optional, defaults to self.do_resize) — 是否调整图像大小。
• size (dict[str, int], optional, defaults to self.size) — 调整大小后图像的大小。图像的最短边调整为 size[“shortest_edge”]，最长边调整以保持输入长宽比。
• size_divisor (int, optional, defaults to 32) — 确保调整大小后的高度和宽度四舍五入为此值的倍数。
• resample (int, optional, defaults to self.resample) — 如果调整图像大小，使用的重采样滤波器。这可以是枚举 PILImageResampling 之一。仅在 do_resize 设置为 True 时有效。
• do_center_crop (bool, optional, defaults to self.do_center_crop) — 是否对图像进行中心裁剪。
• crop_size (dict[str, int], optional, defaults to self.crop_size) — 中心裁剪的大小。仅在 do_center_crop 设置为 True 时有效。
• do_rescale (bool, optional, defaults to self.do_rescale) — 是否对图像进行重新缩放。
• rescale_factor (float, optional, defaults to self.rescale_factor) — 如果 do_rescale 设置为 True，则用于重新缩放图像的缩放因子。
• do_normalize (bool, 可选, 默认为 self.do_normalize) — 是否对图像进行归一化。
• image_mean (float 或 list[float], 可选, 默认为 self.image_mean) — 用于归一化的图像平均值。仅当 do_normalize 设置为 True 时生效。
• image_std (float 或 list[float], 可选, 默认为 self.image_std) — 用于归一化的图像标准差。仅当 do_normalize 设置为 True 时生效。
• do_convert_rgb (bool, 可选, 默认为 self.do_convert_rgb) — 是否将图像转换为 RGB 格式。
• 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 np.ndarray 列表。
  • TensorType.TENSORFLOW 或 'tf'：返回 tf.Tensor 类型的批处理。
  • TensorType.PYTORCH 或 'pt'：返回 torch.Tensor 类型的批处理。
  • TensorType.NUMPY 或 'np'：返回 np.ndarray 类型的批处理。
  • TensorType.JAX 或 'jax'：返回 jax.numpy.ndarray 类型的批处理。
• 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：
  • "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)。
  • 未设置：使用输入图像的通道维度格式。
• 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

• pixel_values (形状为 (batch_size, num_channels, image_size, image_size) 的 torch.Tensor) — 对应于输入图像的张量。像素值可以使用 {image_processor_class} 获取。详情请参阅 {image_processor_class}.__call__（{processor_class} 使用 {image_processor_class} 处理图像）。
• output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。更多详情请参阅返回张量下的 hidden_states。
• return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通的元组。

一个 transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention 或一个 torch.FloatTensor 的元组（如果传入 return_dict=False 或 config.return_dict=False），包含根据配置（TextNetConfig）和输入而定的各种元素。

• last_hidden_state (torch.FloatTensor, 形状为 (batch_size, num_channels, height, width)) — 模型最后一层输出的隐藏状态序列。

• pooler_output (torch.FloatTensor, 形状为 (batch_size, hidden_size)) — 经过空间维度池化操作后的最后一层隐藏状态。

• hidden_states (tuple(torch.FloatTensor), 可选, 当传入 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — 形状为 (batch_size, num_channels, height, width) 的 torch.FloatTensor 元组（一个用于嵌入层输出，如果模型有嵌入层，+ 一个用于每层输出）。

  模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

参数

• pixel_values (形状为 (batch_size, num_channels, image_size, image_size) 的 torch.FloatTensor, 可选) — 对应于输入图像的张量。像素值可以使用 {image_processor_class} 获取。详情请参阅 {image_processor_class}.__call__（{processor_class} 使用 {image_processor_class} 处理图像）。
• labels (形状为 (batch_size,) 的 torch.LongTensor, 可选) — 用于计算图像分类/回归损失的标签。索引应在 [0, ..., config.num_labels - 1] 范围内。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）。
• output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。更多详情请参阅返回张量下的 hidden_states。
• return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通的元组。

一个 transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或一个 torch.FloatTensor 的元组（如果传入 return_dict=False 或 config.return_dict=False），包含根据配置（TextNetConfig）和输入而定的各种元素。

• loss (形状为 (1,) 的 torch.FloatTensor，可选，当提供 labels 时返回) — 分类损失（如果 config.num_labels==1，则为回归损失）。
• logits (形状为 (batch_size, config.num_labels) 的 torch.FloatTensor) — 分类（如果 config.num_labels==1，则为回归）分数（SoftMax 之前）。
• hidden_states (tuple(torch.FloatTensor), 可选, 当传入 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — 形状为 (batch_size, num_channels, height, width) 的 torch.FloatTensor 元组（一个用于嵌入层输出，如果模型有嵌入层，+ 一个用于每个阶段的输出）。模型的隐藏状态（也称为特征图）在每个阶段的输出处。