# PP-DocLayoutV4 ## Genel Bakış **PP-DocLayoutV4**, tek bir ileri geçişte her yerleşim öğesinin ne olduğunu, onu çevreleyen dörtgeni ve okuma sırasının çözümlendiği logitleri tahmin eden uçtan uca bir belge yerleşim analizi modelidir. ## Model Mimarisi PP-DocLayoutV4, öncüsünün RT-DETR iskeletini — bir HGNetV2 omurgası, bir AIFI hibrit kodlayıcı ve bir deformable decoder — korur ve üç şeyi değiştirir: - **Masklar yerine dörtgenler.** [PPDocLayoutV3ForObjectDetection](/docs/transformers/main/tr/model_doc/pp_doclayout_v3#transformers.PPDocLayoutV3ForObjectDetection) her sorgu için bir segmentasyon maskesi tahmin edip ona bir poligon sığdırıyordu. PP-DocLayoutV4 mask dalını tamamen kaldırır ve sigmoid uzayda `[center_x, center_y, dx1, dy1, ..., dx4, dy4]` olarak kodlanan dört noktalı bir dörtgeni doğrudan regresyonla elde eder. Bu, eğik ve perspektif bozulmalı belgeleri mask başı maliyeti ödemeden işler ve stride 4 omurga özelliği artık gerekmez. - **Katman başına bağımsız başlar.** Her decoder katmanı, encoder ile tek bir baş paylaşmak yerine kendi box ve sınıflandırma başına sahiptir. - **İki okuma sırası başlığı ve bir füzyon adımı.** V3'teki göreli sıra başlığının (antisimetrik: "`i`, `j`'den önce mi okunuyor?") yanında bir halef başlığı (ROOR: "`j`, `i`'den doğrudan sonra mı geliyor?") vardır. `PPDocLayoutV4S2RFusion`, halef matrisinin sönümlendirilmiş transitif kapanışını göreli sıra logitlerine geri katlar. Okuma sırası modelin içinde çözümlenmez. `PPDocLayoutV4ForObjectDetection`, ham `relative_order_logits` ve `successor_order_logits` değerlerini döndürür; [post_process_object_detection()](/docs/transformers/main/tr/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4ImageProcessor.post_process_object_detection) ise ardışık matrisini yönlü döngüsüz bir graf (DAG) olarak eşikleyerek, döngüleri kırarak, her bağlı bileşeni topolojik olarak sıralayarak ve bileşenleri göreli sıra oylarına göre sıralayarak bu değerleri sıralara dönüştürür. ## Kullanım [post_process_object_detection()](/docs/transformers/main/tr/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4ImageProcessor.post_process_object_detection) tarafından döndürülen sonuçlar zaten okuma sırasına göre sıralanmıştır. Her sonuç, sol üst, sağ üst, sağ alt, sol alt sırasıyla geri döndürülen köşelerin `(num_boxes, 4, 2)` boyutlu tensörünü içeren `polygon_points` ile birlikte, her dörtgeni çevreleyen eksen hizalı dikdörtgen olan `boxes` ve her kutunun 0 tabanlı sırasını temsil eden `order_seq` değerini taşır. Aşağıdaki [AutoModel](/docs/transformers/main/tr/model_doc/auto#transformers.AutoModel) örneği `order_seq` değerini doğrudan yazdırırken, diğerleri sıralı listedeki 1 tabanlı konumu yazdırır; bu değer, bir sorgu birden fazla etiket altında tutulmadığı sürece `order_seq + 1`'dir. [Pipeline](/docs/transformers/main/tr/main_classes/pipelines#transformers.Pipeline), döndürülen listenin sırasına göre okuma sırasını korur ancak her tespiti bir puan, bir etiket ve bir tamsayı sınırlayıcı kutuya indirger. Dörtgenleri ve `order_seq` değerini almak için aşağıdaki [AutoModel](/docs/transformers/main/tr/model_doc/auto#transformers.AutoModel) yolunu kullanın. ```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()]}") ``` ### Toplu çıkarım Bir görsel listesi ve her görsel için bir hedef boyut geçin. Okuma sırası görsel başına çözümlenir. ```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) ``` [Kaynak](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/modeling_pp_doclayout_v4.py#L1650) **Parametreler:** config ([PPDocLayoutV4Config](/docs/transformers/main/tr/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4Config)) : Modelin tüm parametrelerini içeren model yapılandırma sınıfı. Bir yapılandırma dosyasıyla başlatmak, modelle ilişkili ağırlıkları yüklemez, yalnızca yapılandırmayı yükler. Model ağırlıklarını yüklemek için [from_pretrained()](/docs/transformers/main/tr/main_classes/model#transformers.PreTrainedModel.from_pretrained) yöntemine bakın. Belge yerleşimi analizi gibi görevler için dörtgenler, sınıf logitleri ve okuma sırası logitleri üreten PP-DocLayoutV4 Modeli (bir omurga ve kodlayıcı-çözücüden oluşur). Bu model [PreTrainedModel](/docs/transformers/main/tr/main_classes/model#transformers.PreTrainedModel) sınıfından devralır. Kütüphanenin tüm modelleri için uyguladığı genel yöntemler (indirme veya kaydetme, giriş gömme boyutlarını yeniden ayarlama, başları budama vb.) için üst sınıf belgelendirmesine bakın. Bu model aynı zamanda bir PyTorch [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) alt sınıfıdır. Bunu standart bir PyTorch Module olarak kullanın ve genel kullanım ve davranışla ilgili tüm konular için PyTorch dokümantasyonuna başvurun. #### 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: *) ``` [Kaynak](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/modeling_pp_doclayout_v4.py#L1668) **Parametreler:** pixel_values (`torch.Tensor`, şekli `(batch_size, num_channels, image_size, image_size)`) : Girdi görüntülerine karşılık gelen tensörler. Piksel değerleri `image_processor_class` kullanılarak elde edilebilir. Ayrıntılar için `image_processor_class.__call__` bölümüne bakın (`processor_class`, görüntüleri işlemek için `image_processor_class` kullanır). pixel_mask (`torch.LongTensor`, şekli `(batch_size, height, width)`, *isteğe bağlı*) : Dolgu piksel değerleri üzerinde dikkat işleminin uygulanmasını önlemek için maske. `[0, 1]` aralığında seçilen maske değerleri: - Gerçek (yani **maskelenmemiş**) pikseller için 1, - Dolgu (yani **maskelenmiş**) pikseller için 0. [Dikkat maskeleri nelerdir?](../glossary#attention-mask) encoder_outputs (`torch.Tensor`, *isteğe bağlı*) : (`last_hidden_state`, *isteğe bağlı*: `hidden_states`, *isteğe bağlı*: `attentions`) `last_hidden_state` boyutu `(batch_size, sequence_length, hidden_size)`, *isteğe bağlı*) kodlayıcının son katmanının çıktısındaki gizli durumlar dizisidir. Çözücüdeki çapraz dikkat (cross-attention) işleminde kullanılır. labels (`list[Dict]`, uzunluğu `(batch_size,)`, *isteğe bağlı*) : Desteklenmiyor: PP-DocLayoutV4, Transformers'ta yalnızca çıkarım (inference) için kullanılabilir. **Dönüş:** `PPDocLayoutV4ForObjectDetectionOutput` veya `tuple(torch.Tensor)` `PPDocLayoutV4ForObjectDetectionOutput` veya bir `torch.Tensor` demeti (eğer `return_dict=False` geçirildiyse veya `config.return_dict=False` ise), yapılandırmaya (`None`) ve girdilere bağlı olarak çeşitli öğelerden oluşur. [PPDocLayoutV4ForObjectDetection](/docs/transformers/main/tr/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4ForObjectDetection) forward metodu, `__call__` özel metodunu geçersiz kılar. İleri geçiş tarifi bu fonksiyon içinde tanımlanmalı olsa da, sonrasında bunun yerine `Module` örneğini çağırmak gerekir; çünkü ilki ön ve son işleme adımlarını çalıştırmaktan sorumluyken ikincisi bunları sessizce yok sayar. - **logits** (`torch.Tensor`, şekli `(batch_size, num_queries, config.num_labels)`) -- Tüm sorgular için sınıflandırma logitleri (no-object hariç). - **pred_boxes** (`torch.Tensor`, şekli `(batch_size, num_queries, config.num_coords)`) -- Tüm sorgular için normalize edilmiş dörtgenler, köşe ofsetleri `+0.5` kaydırılmış şekilde `[center_x, center_y, dx1, dy1, ..., dx4, dy4]` olarak kodlanmıştır. Normalize edilmemiş köşeleri ve bunları kapsayan kutuları almak için [post_process_object_detection()](/docs/transformers/main/tr/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4ImageProcessor.post_process_object_detection) kullanın. - **last_hidden_state** (`torch.Tensor`, şekli `(batch_size, num_queries, hidden_size)`) -- Modelin decoder'ının son katmanının çıktısındaki gizli durumlar dizisi. - **intermediate_hidden_states** (`torch.Tensor`, şekli `(batch_size, config.decoder_layers, num_queries, hidden_size)`) -- Yığılmış ara gizli durumlar (decoder'ın her katmanının çıktısı). - **intermediate_reference_points** (`torch.Tensor`, şekli `(batch_size, config.decoder_layers, num_queries, config.num_coords)`) -- Yığılmış ara referans noktaları (decoder'ın her katmanındaki rafine edilmiş dörtgenler). - **decoder_hidden_states** (`tuple[torch.Tensor]`, *isteğe bağlı*, `output_hidden_states=True` geçirildiğinde veya `config.output_hidden_states=True` olduğunda döndürülür) -- `torch.Tensor` (modelin bir gömme katmanı varsa gömme katmanının çıktısı için bir tane + her katmanın çıktısı için bir tane) içeren bir tuple, şekli `(batch_size, sequence_length, hidden_size)`. Her katmanın çıktısında ve başlangıç gömme çıktılarında dekodlayıcının gizli durumları. - **decoder_attentions** (`tuple[torch.Tensor]`, *isteğe bağlı*, `output_attentions=True` geçirildiğinde veya `config.output_attentions=True` olduğunda döndürülür) -- `torch.Tensor` (her katman için bir tane) içeren bir tuple, şekli `(batch_size, num_heads, sequence_length, sequence_length)`. Dikkat yumuşatma (attention softmax) sonrasında, öz-dikkat (self-attention) kafalarında ağırlıklı ortalamanın hesaplanmasında kullanılan çözücü (decoder) dikkat ağırlıkları. - **cross_attentions** (`tuple[torch.Tensor]`, *isteğe bağlı*, `output_attentions=True` geçirildiğinde veya `config.output_attentions=True` olduğunda döndürülür) -- `(batch_size, num_heads, sequence_length, sequence_length)` biçiminde, her katman için bir adet içeren `torch.Tensor` demeti. Dekoderin çapraz dikkat katmanının dikkat ağırlıkları, dikkat softmax'ından sonra, çapraz dikkat başlıklarında ağırlıklı ortalamanın hesaplanmasında kullanılır. - **encoder_last_hidden_state** (`torch.Tensor`, şekli `(batch_size, sequence_length, hidden_size)`, *isteğe bağlı*) -- Modelin kodlayıcısının son katmanının çıktısındaki gizli durumlar dizisi. - **encoder_hidden_states** (`tuple[torch.Tensor]`, *isteğe bağlı*, `output_hidden_states=True` geçirildiğinde veya `config.output_hidden_states=True` olduğunda döndürülür) -- `torch.Tensor` (modelin bir gömme katmanı varsa gömme katmanının çıktısı için bir tane + her katmanın çıktısı için bir tane) içeren bir tuple, şekli `(batch_size, sequence_length, hidden_size)`. Her katmanın çıktısında ve başlangıç gömme çıktılarında kodlayıcının gizli durumları. - **encoder_attentions** (`tuple[torch.Tensor]`, *isteğe bağlı*, `output_attentions=True` geçirildiğinde veya `config.output_attentions=True` olduğunda döndürülür) -- `torch.Tensor` (her katman için bir tane) içeren bir tuple, şekli `(batch_size, num_heads, sequence_length, sequence_length)`. Dikkat yumuşatma (attention softmax) sonrasında, öz-dikkat (self-attention) kafalarında ağırlıklı ortalamanın hesaplanmasında kullanılan kodlayıcının dikkat ağırlıkları. - **init_reference_points** (`torch.Tensor`, şekli `(batch_size, num_queries, config.num_coords)`) -- Transformer decoder üzerinden gönderilen başlangıç kare referans noktaları. - **enc_topk_logits** (`torch.Tensor`, şekli `(batch_size, num_queries, config.num_labels)`) -- Dekoder sorguları olarak seçilen kodlayıcı önerilerinin sınıf logitleri. - **enc_topk_bboxes** (`torch.Tensor`, şekli `(batch_size, num_queries, config.num_coords)`) -- Dekoder sorguları olarak seçilen kodlayıcı önerilerinin dörtgenleri. - **enc_outputs_class** (`torch.Tensor`, şekli `(batch_size, sequence_length, config.num_labels)`) -- Her kodlayıcı önerisinin sınıf logitleri. - **enc_outputs_coord_logits** (`torch.Tensor`, şekli `(batch_size, sequence_length, config.num_coords)`) -- Her kodlayıcı önerisinin dörtgen logitleri. - **denoising_meta_values** (`dict`, *isteğe bağlı*) -- Gürültü azaltma ile ilgili değerler için ek sözlük. - **relative_order_logits** (`torch.Tensor`, şekli `(batch_size, config.num_queries, config.num_queries)`) -- İsteğe bağlı S2R füzyonundan sonra çiftli göreli okuma sırası logitleri. Pozitif bir `relative_order_logits[i, j]`, `i` sorgusunun `j` sorgusundan önce okunduğu anlamına gelir. - **successor_order_logits** (`torch.Tensor`, şekli `(batch_size, config.num_queries, config.num_queries)`) -- Çiftli doğrudan halef (ROOR) logitleri. Pozitif bir `successor_order_logits[i, j]`, `j` sorgusunun `i` sorgusundan doğrudan sonra geldiğini ifade eder. Örnekler: ```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) ``` [Kaynak](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/modeling_pp_doclayout_v4.py#L1328) **Parametreler:** config ([PPDocLayoutV4Config](/docs/transformers/main/tr/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4Config)) : Modelin tüm parametrelerini içeren model yapılandırma sınıfı. Bir yapılandırma dosyasıyla başlatmak, modelle ilişkili ağırlıkları yüklemez, yalnızca yapılandırmayı yükler. Model ağırlıklarını yüklemek için [from_pretrained()](/docs/transformers/main/tr/main_classes/model#transformers.PreTrainedModel.from_pretrained) yöntemine bakın. Üzerinde herhangi bir head bulunmayan, ham gizli durumları (raw hidden states) üreten PP-DocLayoutV4 Modeli (bir backbone ve encoder-decoder'dan oluşur). Bu model [PreTrainedModel](/docs/transformers/main/tr/main_classes/model#transformers.PreTrainedModel) sınıfından devralır. Kütüphanenin tüm modelleri için uyguladığı genel yöntemler (indirme veya kaydetme, giriş gömme boyutlarını yeniden ayarlama, başları budama vb.) için üst sınıf belgelendirmesine bakın. Bu model aynı zamanda bir PyTorch [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) alt sınıfıdır. Bunu standart bir PyTorch Module olarak kullanın ve genel kullanım ve davranışla ilgili tüm konular için PyTorch dokümantasyonuna başvurun. #### 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: *) ``` [Kaynak](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/modeling_pp_doclayout_v4.py#L1466) **Parametreler:** pixel_values (`torch.Tensor`, şekli `(batch_size, num_channels, image_size, image_size)`) : Girdi görüntülerine karşılık gelen tensörler. Piksel değerleri `image_processor_class` kullanılarak elde edilebilir. Ayrıntılar için `image_processor_class.__call__` bölümüne bakın (`processor_class`, görüntüleri işlemek için `image_processor_class` kullanır). pixel_mask (`torch.LongTensor`, şekli `(batch_size, height, width)`, *isteğe bağlı*) : Dolgu piksel değerleri üzerinde dikkat işleminin uygulanmasını önlemek için maske. `[0, 1]` aralığında seçilen maske değerleri: - Gerçek (yani **maskelenmemiş**) pikseller için 1, - Dolgu (yani **maskelenmiş**) pikseller için 0. [Dikkat maskeleri nelerdir?](../glossary#attention-mask) encoder_outputs (`torch.Tensor`, *isteğe bağlı*) : (`last_hidden_state`, *isteğe bağlı*: `hidden_states`, *isteğe bağlı*: `attentions`) `last_hidden_state` boyutu `(batch_size, sequence_length, hidden_size)`, *isteğe bağlı*) kodlayıcının son katmanının çıktısındaki gizli durumlar dizisidir. Çözücüdeki çapraz dikkat (cross-attention) işleminde kullanılır. labels (`list[Dict]`, uzunluğu `(batch_size,)`, *isteğe bağlı*) : Desteklenmiyor: PP-DocLayoutV4, Transformers'ta yalnızca çıkarım (inference) için kullanılabilir. **Dönüş:** `PPDocLayoutV4ModelOutput` veya `tuple(torch.Tensor)` `PPDocLayoutV4ModelOutput` veya bir `torch.Tensor` demeti (eğer `return_dict=False` geçirildiyse veya `config.return_dict=False` ise), yapılandırmaya (`None`) ve girdilere bağlı olarak çeşitli öğelerden oluşur. [PPDocLayoutV4Model](/docs/transformers/main/tr/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4Model) forward metodu, `__call__` özel metodunu geçersiz kılar. İleri geçiş tarifi bu fonksiyon içinde tanımlanmalı olsa da, sonrasında bunun yerine `Module` örneğini çağırmak gerekir; çünkü ilki ön ve son işleme adımlarını çalıştırmaktan sorumluyken ikincisi bunları sessizce yok sayar. - **last_hidden_state** (`torch.Tensor`, şekli `(batch_size, num_queries, hidden_size)`) -- Modelin decoder'ının son katmanının çıktısındaki gizli durumlar dizisi. - **intermediate_hidden_states** (`torch.Tensor`, şekli `(batch_size, config.decoder_layers, num_queries, hidden_size)`) -- Yığılmış ara gizli durumlar (decoder'ın her katmanının çıktısı). - **intermediate_reference_points** (`torch.Tensor`, şekli `(batch_size, config.decoder_layers, num_queries, config.num_coords)`) -- Yığılmış ara referans noktaları (decoder'ın her katmanındaki rafine edilmiş dörtgenler). - **decoder_hidden_states** (`tuple[torch.Tensor]`, *isteğe bağlı*, `output_hidden_states=True` geçirildiğinde veya `config.output_hidden_states=True` olduğunda döndürülür) -- `torch.Tensor` (modelin bir gömme katmanı varsa gömme katmanının çıktısı için bir tane + her katmanın çıktısı için bir tane) içeren bir tuple, şekli `(batch_size, sequence_length, hidden_size)`. Her katmanın çıktısında ve başlangıç gömme çıktılarında dekodlayıcının gizli durumları. - **decoder_attentions** (`tuple[torch.Tensor]`, *isteğe bağlı*, `output_attentions=True` geçirildiğinde veya `config.output_attentions=True` olduğunda döndürülür) -- `torch.Tensor` (her katman için bir tane) içeren bir tuple, şekli `(batch_size, num_heads, sequence_length, sequence_length)`. Dikkat yumuşatma (attention softmax) sonrasında, öz-dikkat (self-attention) kafalarında ağırlıklı ortalamanın hesaplanmasında kullanılan çözücü (decoder) dikkat ağırlıkları. - **cross_attentions** (`tuple[torch.Tensor]`, *isteğe bağlı*, `output_attentions=True` geçirildiğinde veya `config.output_attentions=True` olduğunda döndürülür) -- `(batch_size, num_heads, sequence_length, sequence_length)` biçiminde, her katman için bir adet içeren `torch.Tensor` demeti. Dekoderin çapraz dikkat katmanının dikkat ağırlıkları, dikkat softmax'ından sonra, çapraz dikkat başlıklarında ağırlıklı ortalamanın hesaplanmasında kullanılır. - **encoder_last_hidden_state** (`torch.Tensor`, şekli `(batch_size, sequence_length, hidden_size)`, *isteğe bağlı*) -- Modelin kodlayıcısının son katmanının çıktısındaki gizli durumlar dizisi. - **encoder_hidden_states** (`tuple[torch.Tensor]`, *isteğe bağlı*, `output_hidden_states=True` geçirildiğinde veya `config.output_hidden_states=True` olduğunda döndürülür) -- `torch.Tensor` (modelin bir gömme katmanı varsa gömme katmanının çıktısı için bir tane + her katmanın çıktısı için bir tane) içeren bir tuple, şekli `(batch_size, sequence_length, hidden_size)`. Her katmanın çıktısında ve başlangıç gömme çıktılarında kodlayıcının gizli durumları. - **encoder_attentions** (`tuple[torch.Tensor]`, *isteğe bağlı*, `output_attentions=True` geçirildiğinde veya `config.output_attentions=True` olduğunda döndürülür) -- `torch.Tensor` (her katman için bir tane) içeren bir tuple, şekli `(batch_size, num_heads, sequence_length, sequence_length)`. Dikkat yumuşatma (attention softmax) sonrasında, öz-dikkat (self-attention) kafalarında ağırlıklı ortalamanın hesaplanmasında kullanılan kodlayıcının dikkat ağırlıkları. - **init_reference_points** (`torch.Tensor`, şekli `(batch_size, num_queries, config.num_coords)`) -- Transformer decoder üzerinden gönderilen başlangıç kare referans noktaları. - **enc_topk_logits** (`torch.Tensor`, şekli `(batch_size, num_queries, config.num_labels)`) -- Dekoder sorguları olarak seçilen kodlayıcı önerilerinin sınıf logitleri. - **enc_topk_bboxes** (`torch.Tensor`, şekli `(batch_size, num_queries, config.num_coords)`) -- Dekoder sorguları olarak seçilen kodlayıcı önerilerinin dörtgenleri. - **enc_outputs_class** (`torch.Tensor`, şekli `(batch_size, sequence_length, config.num_labels)`) -- Her kodlayıcı önerisinin sınıf logitleri. - **enc_outputs_coord_logits** (`torch.Tensor`, şekli `(batch_size, sequence_length, config.num_coords)`) -- Her kodlayıcı önerisinin dörtgen logitleri. - **denoising_meta_values** (`dict`, *isteğe bağlı*) -- Gürültü azaltma ile ilgili değerler için ek sözlük. - **logits** (`torch.Tensor`, şekli `(batch_size, num_queries, config.num_labels)`) -- Son decoder katmanının sınıflandırma logits'leri. - **relative_order_logits** (`torch.Tensor`, şekli `(batch_size, config.num_queries, config.num_queries)`) -- İsteğe bağlı S2R füzyonundan sonra, çiftli göreli okuma sırası logitleri. - **successor_order_logits** (`torch.Tensor`, şekli `(batch_size, config.num_queries, config.num_queries)`) -- Çiftli doğrudan halef (ROOR) logitleri. ## 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) ``` [Kaynak](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/configuration_pp_doclayout_v4.py#L30) **Parametreler:** is_encoder_decoder (`bool`, *isteğe bağlı*, varsayılan `True`) : Modelin bir kodlayıcı/çözücü olarak kullanılıp kullanılmadığı. initializer_range (`float`, *opsiyonel*, varsayılan `0.01`) : Tüm ağırlık matrislerini başlatmak için kullanılan truncated_normal_initializer'ın standart sapması. initializer_bias_prior_prob (`float`, *isteğe bağlı*) : `enc_score_head` ve `class_embed` için önyargıları başlatmak üzere önyargı başlatıcısı tarafından kullanılan önceden olasılık. `None` ise, varsayılan olarak `1 / (num_labels + 1)` değerini alır. layer_norm_eps (`float`, *opsiyonel*, varsayılan `1e-05`) : Katman normalizasyonu katmanları tarafından kullanılan epsilon. batch_norm_eps (`float`, *isteğe bağlı*, varsayılan `1e-05`) : Toplu normalizasyon katmanları tarafından kullanılan epsilon. tie_word_embeddings (`bool`, *isteğe bağlı*, varsayılan `True`) : Ağırlık gömme bağlamalarının, modelin `tied_weights_keys` eşlemesine göre yapılıp yapılmayacağını belirtir. backbone_config (`Union[dict, ~configuration_utils.PreTrainedConfig]`, *isteğe bağlı*) : Omurga modelinin yapılandırması. freeze_backbone_batch_norms (`bool`, *isteğe bağlı*, varsayılan `True`) : Omurgadaki (backbone) toplama normalizasyonu (batch normalization) katmanlarını dondurulup dondurulmayacağı. encoder_hidden_dim (`int`, *isteğe bağlı*, varsayılan `256`) : Gizli temsillerin boyutu. encoder_in_channels (`list`, *isteğe bağlı*, varsayılan `[512, 1024, 2048]`) : Kodlayıcı için çok seviyeli özellik girişi. feat_strides (`list[int]`, *isteğe bağlı*, varsayılan `[8, 16, 32]`) : Her özellik haritasında kullanılan adımlar. encoder_layers (`int`, *isteğe bağlı*, varsayılan `1`) : Transformer kodlayıcısındaki gizli katman sayısı. Ayarlanmazsa `num_layers` ile aynı değeri kullanır. encoder_ffn_dim (`int`, *opsiyonel*, varsayılan `1024`) : Kodlayıcıdaki "ara" (genellikle feed-forward olarak adlandırılan) katmanının boyutluluğu. encoder_attention_heads (`int`, *isteğe bağlı*, varsayılan `8`) : Transformer kodlayıcısındaki her dikkat katmanı için dikkat başı sayısı. dropout (`Union[float, int]`, *isteğe bağlı*, varsayılan `0.0`) : Tüm dropout katmanları için oran. activation_dropout (`Union[float, int]`, *isteğe bağlı*, varsayılan `0.0`) : Tamamen bağlı katmandaki aktivasyonlar için dropout oranı. encode_proj_layers (`list[int]`, *isteğe bağlı*, varsayılan `[2]`) : Kodlayıcıda kullanılacak projeksiyon katmanlarının indeksleri. positional_encoding_temperature (`int`, *isteğe bağlı*, varsayılan 10000) : Konumsal kodlamaları oluşturmak için kullanılan sıcaklık parametresi. encoder_activation_function (`str`, *isteğe bağlı*, varsayılan `"gelu"`) : Kodlayıcıda ve pooler'da kullanılan doğrusal olmayan aktivasyon fonksiyonu (fonksiyon veya dize). Dize ise, `"gelu"`, `"relu"`, `"silu"` ve `"gelu_new"` desteklenir. activation_function (`str`, *isteğe bağlı*, varsayılan `silu`) : Dekoderdeki doğrusal olmayan aktivasyon fonksiyonu (fonksiyon veya dize). Örneğin, `"gelu"`, `"relu"`, `"silu"` vb. eval_size (`tuple[int, int]`, *isteğe bağlı*) : Stride dikkate alındıktan sonra konum gömmelemelerinin (position embeddings) etkin yükseklik ve genişliğini hesaplamak için kullanılan yükseklik ve genişlik. Referans uygulamanın, konum gömmelemelerini dinamik olarak hesapladığı için, bunu `None` olarak bırakmak gerekir. normalize_before (`bool`, *isteğe bağlı*, varsayılan `False`) : Transformer kodlayıcı katmanında, öz-dikkat ve ileri beslemeli modüllerden önce katman normalizasyonunun uygulanıp uygulanmayacağını belirler. hidden_expansion (`float`, *opsiyonel*, varsayılan 1.0) : RepVGGBlock ve CSPRepLayer boyutlarını büyütmek için kullanılan genişletme oranı. num_queries (`int`, *isteğe bağlı*, varsayılan 300) : Nesne sorgusu sayısı. decoder_in_channels (`list`, *isteğe bağlı*, varsayılan `[256, 256, 256]`) : Çözücü için çok seviyeli özellik boyutu decoder_ffn_dim (`int`, *isteğe bağlı*, varsayılan 1024) : Dekoderdeki "ara" (genellikle feed-forward olarak adlandırılan) katmanın boyutu. num_feature_levels (`int`, *isteğe bağlı*, varsayılan 3) : Girdi özellik seviyelerinin sayısı. decoder_n_points (`int`, *isteğe bağlı*, varsayılan 4) : Dekoderdeki her dikkat başı için her özellik seviyesinde örneklenen anahtar sayısı. decoder_layers (`int`, *isteğe bağlı*, varsayılan `6`) : Transformer decoder'ındaki gizli katman sayısı. Ayarlanmazsa `num_layers` ile aynı değer kullanılır. decoder_attention_heads (`int`, *isteğe bağlı*, varsayılan `8`) : Transformer decoder'ındaki her dikkat katmanı için dikkat başı sayısı. decoder_activation_function (`str`, *isteğe bağlı*, varsayılan `"relu"`) : Dekoderdeki doğrusal olmayan aktivasyon fonksiyonu (fonksiyon veya dize). Dize ise `"gelu"`, `"relu"`, `"silu"` ve `"gelu_new"` desteklenir. attention_dropout (`Union[float, int]`, *isteğe bağlı*, varsayılan `0.0`) : Dikkat olasılıkları için dropout oranı. num_denoising (`int`, *isteğe bağlı*, varsayılan 100) : Karşılaştırmalı gürültü azaltma için kullanılacak toplam gürültü azaltma görevi veya sorgu sayısı. anchor_image_size (`tuple[int, int]`, *isteğe bağlı*) : Değerlendirme sırasında sınırlayıcı kutu çapaları oluşturmak için kullanılan girdi görüntüsünün yüksekliği ve genişliği. None ise, otomatik çapa üretimi uygulanır. disable_custom_kernels (`bool`, *isteğe bağlı*, varsayılan `True`) : Özel çekirdeklerin devre dışı bırakılıp bırakılmayacağı. global_pointer_head_size (`int`, *isteğe bağlı*, varsayılan 64) : Küresel işaretçi başlığının boyutu. gp_dropout_value (`float`, *opsiyonel*, varsayılan 0.1) : Küresel işaretçi başındaki dropout olasılığı. hidden_size (`int`, *isteğe bağlı*, varsayılan 256) : Hibrit kodlayıcı hariç, çözücü katmanlarının boyutu. Ayrıca, bu modelin köken aldığı RT-DETR soyunun kullandığı ad olan `d_model` olarak da okunabilir. num_coords (`int`, *isteğe bağlı*, varsayılan 10) : bbox başlıkları tarafından tahmin edilen kutu parametrelendirmesinin boyutu. PP-DocLayoutV4, sigmoid uzayında `[center_x, center_y, dx1, dy1, dx2, dy2, dx3, dy3, dx4, dy4]` olarak kodlanmış dört köşeli bir dörtgeni regresyonla tahmin eder; köşe ofsetleri `+0.5` kaydırılmıştır. Yalnızca `10` desteklenir. s2r_steps (`int`, *isteğe bağlı*, varsayılan 3) : Sonraki matrisinin geçişsel kapanışını yaklaşık olarak hesaplamak için kullanılan yayılım adım sayısı. s2r_damping (`float`, *opsiyonel*, varsayılan 0.5) : Geçişsel kapanışın her ek yayılım adımına uygulanan sönümleme faktörü. s2r_closure_weight_init (`float`, *opsiyonel*, varsayılan 0.0) : Kapanış terimini ağırlıklayan öğrenilebilir kapının başlangıç değeri. Eğitilmemiş bir füzyon modülünün, yalnızca göreli sıra logitlerinin kullanılmasıyla sayısal olarak aynı olması için varsayılan olarak `0.0` olarak ayarlanır. Bu, bir PPDocLayoutV4Model yapılandırmasını depolamak için kullanılan yapılandırma sınıfıdır. Belirtilen argümanlara göre bir Pp Doclayout V4 modelinin örneklenmesinde, model mimarisini tanımlamak için kullanılır. Varsayılanlarla bir yapılandırma örneği oluşturmak, [PaddlePaddle/PP-DocLayoutV4_safetensors](https://huggingface.co/PaddlePaddle/PP-DocLayoutV4_safetensors) ile benzer bir yapılandırmaya yol açar. Yapılandırma nesneleri [PreTrainedConfig](/docs/transformers/main/tr/main_classes/configuration#transformers.PreTrainedConfig) sınıfından türetilir ve model çıktılarını kontrol etmek için kullanılabilir. Daha fazla bilgi için [PreTrainedConfig](/docs/transformers/main/tr/main_classes/configuration#transformers.PreTrainedConfig) belgesini okuyun. Örnekler: ```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: *) ``` [Kaynak](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/image_processing_pp_doclayout_v4.py#L36) **Parametreler:** do_convert_rgb (`bool`, *kwargs*, *isteğe bağlı*) : Görselin RGB'ye dönüştürülüp dönüştürülmeyeceği. do_resize (`bool`, *kwargs*, *opsiyonel*, varsayılan `True`) : Görselin yeniden boyutlandırılıp boyutlandırılmayacağı. size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`, *kwargs*, varsayılan `{'height' : 800, 'width': 800}`): Modelin kabul ettiği maksimum giriş boyutlarını açıklar. default_to_square (`bool`, *kwargs*, *opsiyonel*, varsayılan `True`) : Boyut bir int ise, yeniden boyutlandırma sırasında varsayılan olarak kare bir görüntü kullanılıp kullanılmayacağını belirtir. crop_size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`, *kwargs*) : `center_crop` uygulandıktan sonra çıktı görüntüsünün boyutu. resample (`Annotated[Union[int, PILImageResampling, NoneType], None]`, *kwargs*, varsayılan `3`) : Görsel yeniden boyutlandırılıyorsa kullanılacak yeniden örnekleme filtresi. Bu, `PILImageResampling` enum değerlerinden biri olabilir. Yalnızca `do_resize` `True` olarak ayarlanırsa etkilidir. do_rescale (`bool`, *kwargs*, *opsiyonel*, varsayılan `True`) : Görselin yeniden ölçeklendirilip ölçeklendirilmeyeceğini belirtir. rescale_factor (`float`, *kwargs*, *opsiyonel*, varsayılan `0.00392156862745098`) : `do_rescale` `True` olarak ayarlandığında görüntüyü yeniden ölçeklemek için kullanılan yeniden ölçekleme faktörü. do_normalize (`bool`, *kwargs*, *opsiyonel*, varsayılan `True`) : Görselin normalize edilip edilmeyeceğini belirtir. image_mean (`Union[float, list[float], tuple[float, ...]]`, *kwargs*, *opsiyonel*, varsayılan değeri `[0, 0, 0]`) : Normalizasyon için kullanılacak görüntü ortalaması. Yalnızca `do_normalize` `True` olarak ayarlanırsa etkilidir. image_std (`Union[float, list[float], tuple[float, ...]]`, *kwargs*, *opsiyonel*, varsayılan `[1, 1, 1]`) : Normalizasyon için kullanılacak görüntü standart sapması. Yalnızca `do_normalize` `True` olarak ayarlanırsa etkilidir. do_pad (`bool`, *kwargs*, *isteğe bağlı*) : Görselin dolgu (padding) uygulanıp uygulanmayacağını belirtir. Dolgu, ya batch içindeki en büyük boyuta ya da görsel başına sabit bir kare boyuta yapılır. Kesin dolgu stratejisi modele bağlıdır. pad_size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`, *kwargs*) : Görsellerin doldurulacağı boyut, `{"height": int, "width" int}` biçiminde. Ön işleme için sağlanan herhangi bir görsel boyutundan büyük olmalıdır. `pad_size` sağlanmazsa, görseller partideki en büyük yüksekliğe ve genişliğe doldurulur. Yalnızca `do_pad=True.` olduğunda uygulanır. do_center_crop (`bool`, *kwargs*, *opsiyonel*) : Görselin merkezden kırpılıp kırpılmayacağını belirtir. data_format (`Union[str, ~image_utils.ChannelDimension]`, *kwargs*, *isteğe bağlı*) : Yalnızca `ChannelDimension.FIRST` desteklenir. Yavaş işleyicilerle uyumluluk için eklendi. input_data_format (`Union[str, ~image_utils.ChannelDimension]`, *kwargs*, *isteğe bağlı*) : Girdi görüntüsünün kanal boyutu biçimi. Ayarlanmazsa, kanal boyutu biçimi girdi görüntüsünden çıkarılır. Aşağıdakilerden biri olabilir: - `"channels_first"` veya `ChannelDimension.FIRST`: (num_channels, height, width) biçiminde görüntü. - `"channels_last"` veya `ChannelDimension.LAST`: (height, width, num_channels) biçiminde görüntü. - `"none"` veya `ChannelDimension.NONE`: (height, width) biçiminde görüntü. device (`Annotated[Union[str, torch.device, NoneType], None]`, *kwargs*) : Videoların işleneceği cihaz. Ayarlanmamışsa, cihaz girdi videolarından çıkarılır. return_tensors (`Annotated[str | ~utils.generic.TensorType | None, None]`, *kwargs*) : `'pt'` olarak ayarlanırsa yığılmış tensörleri, aksi halde tensör listesi döndürür. disable_grouping (`bool`, *kwargs*, *opsiyonel*) : Görsellerin boyuta göre gruplandırılmasını devre dışı bırakarak bunların toplu olarak değil, tek tek işlenmesini sağlar. None ise, görseller CPU üzerindeyse True, aksi halde False olarak ayarlanır. Bu seçim, buradaki ayrıntılı açıklamalara dayalı ampirik gözlemlere dayanmaktadır: https://github.com/huggingface/transformers/pull/38157 image_seq_length (`int`, *kwargs*, *opsiyonel*) : Girdideki her görüntü için kullanılacak görüntü jetonlarının sayısı. Geriye dönük uyumluluk için eklendi ancak gelecekteki modellerde bu, bir işlemci özniteliği olarak ayarlanmalıdır. `'pt'` olarak ayarlanırsa yığılmış tensörler döndürür, aksi takdirde tensör listesi döndürür. disable_grouping (`bool`, *kwargs*, *opsiyonel*) : Görsellerin boyuta göre gruplandırılmasını devre dışı bırakarak bunların toplu olarak değil, tek tek işlenmesini sağlar. None ise, görseller CPU üzerindeyse True, aksi halde False olarak ayarlanır. Bu seçim, buradaki ayrıntılı açıklamalara dayalı ampirik gözlemlere dayanmaktadır: https://github.com/huggingface/transformers/pull/38157 image_seq_length (`int`, *kwargs*, *opsiyonel*) : Girdideki her görüntü için kullanılacak görüntü jetonlarının sayısı. Geriye dönük uyumluluk için eklendi ancak gelecekteki modellerde bu, bir işlemci özniteliği olarak ayarlanmalıdır. `'pt'` olarak ayarlanırsa yığılmış tensörler döndürür, aksi takdirde tensör listesi döndürür. disable_grouping (`bool`, *kwargs*, *opsiyonel*) : Görsellerin boyuta göre gruplandırılmasını devre dışı bırakarak bunların toplu olarak değil, tek tek işlenmesini sağlar. None ise, görseller CPU üzerindeyse True, aksi halde False olarak ayarlanır. Bu seçim, buradaki ayrıntılı açıklamalara dayalı ampirik gözlemlere dayanmaktadır: https://github.com/huggingface/transformers/pull/38157 image_seq_length (`int`, *kwargs*, *isteğe bağlı*) : Girdideki her görüntü için kullanılacak görüntü jetonlarının sayısı. Geriye dönük uyumluluk için eklendi ancak bu, gelecekteki modellerde bir işlemci özniteliği olarak ayarlanmalıdır. `'pt'` olarak ayarlanırsa yığılmış tensörler döndürür, aksi takdirde tensör listesi döndürür. -- PPDocLayoutV4ImageProcessor görüntü işleyicisi oluşturur. disable_grouping (`bool`, *kwargs*, *opsiyonel*): Görsellerin boyuta göre gruplandırılmasını devre dışı bırakarak bunların toplu olarak değil, bireysel olarak işlenmesini sağlar. None ise, görseller CPU üzerindeyse True, aksi halde False olarak ayarlanır. Bu seçim, buradaki ayrıntılı açıklamaya dayanan ampirik gözlemlere dayanmaktadır: https://github.com/huggingface/transformers/pull/38157 image_seq_length (`int`, *kwargs*, *opsiyonel*): Girdideki her görsel için kullanılacak görsel jeton sayısı. Geriye dönük uyumluluk için eklendi ancak gelecekteki modellerde bu, bir işlemci özniteliği olarak ayarlanmalıdır. #### 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: *) ``` [Kaynak](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_utils.py#L382) **Parametreler:** images (`Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]]`) : Ön işlenecek görüntü. Piksel değerleri 0 ile 255 arasında değişen tek bir görüntü veya görüntü grubu beklenir. Piksel değerleri 0 ile 1 arasında olan görüntüler geçiriliyorsa `do_rescale=False` olarak ayarlayın. image_like_kwargs (`dict[str, Any]`, *isteğe bağlı*) : Ek görüntü benzeri girdiler için geliştirici bayrağı; bu girdiler de ön işleme tabi tutulacaktır. Girdileri kwarg olarak geçirmenin çalışmadığı durumlarda kullanın. Örneğin, `preprocess(images, masks=masks)` tercih edilen seçenektir ancak bazı modellerde argüman öncelik sorunlarına yol açar. Bu durumlarda bunun yerine `preprocess(images, image_like_inputs={"masks": masks})` kullanılabilir. do_convert_rgb (`bool`, *kwargs*, *isteğe bağlı*) : Görselin RGB'ye dönüştürülüp dönüştürülmeyeceği. do_resize (`bool`, *kwargs*, *isteğe bağlı*) : Görselin yeniden boyutlandırılıp boyutlandırılmayacağı. size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`, *kwargs*) : Modelin kabul ettiği maksimum giriş boyutlarını açıklar. default_to_square (`bool`, *kwargs*, *opsiyonel*) : Boyut bir int ise, yeniden boyutlandırma sırasında varsayılan olarak kare bir görsel kullanılıp kullanılmayacağı. crop_size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`, *kwargs*) : `center_crop` uygulandıktan sonra çıktı görüntüsünün boyutu. resample (`Annotated[Union[int, PILImageResampling, NoneType], None]`, *kwargs*) : Görsel yeniden boyutlandırılıyorsa kullanılacak yeniden örnekleme filtresi. Bu, `PILImageResampling` enum değerlerinden biri olabilir. Yalnızca `do_resize` `True` olarak ayarlanırsa etkilidir. do_rescale (`bool`, *kwargs*, *opsiyonel*) : Görselin yeniden ölçeklendirilip ölçeklendirilmeyeceğini belirtir. rescale_factor (`float`, *kwargs*, *opsiyonel*) : `do_rescale` `True` olarak ayarlanırsa görüntüyü yeniden ölçeklemek için yeniden ölçekleme çarpanı. do_normalize (`bool`, *kwargs*, *isteğe bağlı*) : Görüntünün normalize edilip edilmeyeceğini belirtir. image_mean (`Union[float, list[float], tuple[float, ...]]`, *kwargs*, *opsiyonel*) : Normalizasyon için kullanılacak görüntü ortalaması. Yalnızca `do_normalize` `True` olarak ayarlanırsa etkilidir. image_std (`Union[float, list[float], tuple[float, ...]]`, *kwargs*, *opsiyonel*) : Normalizasyon için kullanılacak görüntü standart sapması. Yalnızca `do_normalize` `True` olarak ayarlanırsa etkilidir. do_pad (`bool`, *kwargs*, *isteğe bağlı*) : Görselin dolgu (padding) uygulanıp uygulanmayacağını belirtir. Dolgu, ya batch içindeki en büyük boyuta ya da görsel başına sabit bir kare boyuta yapılır. Kesin dolgu stratejisi modele bağlıdır. pad_size (`Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None]`, *kwargs*) : Görsellerin doldurulacağı boyut, `{"height": int, "width" int}` biçiminde. Ön işleme için sağlanan herhangi bir görsel boyutundan büyük olmalıdır. `pad_size` sağlanmazsa, görseller partideki en büyük yüksekliğe ve genişliğe doldurulur. Yalnızca `do_pad=True.` olduğunda uygulanır. do_center_crop (`bool`, *kwargs*, *opsiyonel*) : Görselin merkezden kırpılıp kırpılmayacağını belirtir. data_format (`Union[str, ~image_utils.ChannelDimension]`, *kwargs*, *isteğe bağlı*) : Yalnızca `ChannelDimension.FIRST` desteklenir. Yavaş işleyicilerle uyumluluk için eklendi. input_data_format (`Union[str, ~image_utils.ChannelDimension]`, *kwargs*, *isteğe bağlı*) : Girdi görüntüsünün kanal boyutu biçimi. Ayarlanmazsa, kanal boyutu biçimi girdi görüntüsünden çıkarılır. Aşağıdakilerden biri olabilir: - `"channels_first"` veya `ChannelDimension.FIRST`: (num_channels, height, width) biçiminde görüntü. - `"channels_last"` veya `ChannelDimension.LAST`: (height, width, num_channels) biçiminde görüntü. - `"none"` veya `ChannelDimension.NONE`: (height, width) biçiminde görüntü. device (`Annotated[Union[str, torch.device, NoneType], None]`, *kwargs*) : Videoların işleneceği cihaz. Ayarlanmamışsa, cihaz girdi videolarından çıkarılır. return_tensors (`Annotated[str | ~utils.generic.TensorType | None, None]`, *kwargs*) : `'pt'` olarak ayarlanırsa yığılmış tensörleri, aksi halde tensör listesi döndürür. disable_grouping (`bool`, *kwargs*, *opsiyonel*) : Görsellerin boyuta göre gruplandırılmasını devre dışı bırakarak bunların toplu olarak değil, tek tek işlenmesini sağlar. None ise, görseller CPU üzerindeyse True, aksi halde False olarak ayarlanır. Bu seçim, buradaki ayrıntılı açıklamalara dayalı ampirik gözlemlere dayanmaktadır: https://github.com/huggingface/transformers/pull/38157 image_seq_length (`int`, *kwargs*, *isteğe bağlı*) : Girdideki her görüntü için kullanılacak görüntü jetonlarının sayısı. Geriye dönük uyumluluk için eklendi ancak bu, gelecekteki modellerde bir işlemci özniteliği olarak ayarlanmalıdır. **Dönüş:** `~image_processing_base.BatchFeature` - **data** (`dict`) -- __call__ yönteminin döndürdüğü listeler/diziler/tensörler sözlüğü ('pixel_values' vb.). - **tensor_type** (`Union[None, str, TensorType]`, *isteğe bağlı*) -- Başlatma sırasında PyTorch/Numpy Tensörlerindeki tamsayı listelerini dönüştürmek için burada bir tensor_type verebilirsiniz. Bir görüntüyü veya bir görüntü grubunu ön işleme tabi tutun. #### post_process_object_detection[[transformers.PPDocLayoutV4ImageProcessor.post_process_object_detection]] ```python post_process_object_detection(outputs, threshold: float = 0.5, target_sizes = None) ``` [Kaynak](https://github.com/huggingface/transformers/blob/main/src/transformers/models/pp_doclayout_v4/image_processing_pp_doclayout_v4.py#L121) **Parametreler:** outputs (`PPDocLayoutV4ForObjectDetectionOutput`) : Modelin ham çıktıları. threshold (`float`, *opsiyonel*, varsayılan 0.5) : Nesne algılama tahminlerini tutmak için skor eşiği. target_sizes (`torch.Tensor` veya `list[tuple[int, int]]`) : `(batch_size, 2)` biçiminde bir Tensor veya batch'teki her bir görüntünün hedef boyutunu (`(height, width)`) içeren tuple listesi. **Dönüş:** `list[Dict]` Her biri bir görsel için olan ve modelin tahmin ettiği `scores`, `labels`, `boxes`, `polygon_points` ve `order_seq` değerlerini içeren sözlüklerden oluşan bir liste. Tahminler okuma sırasına göre sıralanır, bu nedenle `order_seq` azalmayan bir sıralamadır (birden fazla etiket altında seçilen bir sorgu tek bir sıra numarası korur). [PPDocLayoutV4ForObjectDetection](/docs/transformers/main/tr/model_doc/pp_doclayout_v4#transformers.PPDocLayoutV4ForObjectDetection)'ün ham çıktısını, `(top_left_x, top_left_y, bottom_right_x, bottom_right_y)` biçiminde sınırlayıcı kutular ve okuma sırası sıralamaları içeren nihai dörtgenlere dönüştürür. Yalnızca PyTorch desteklenir.