İşleyiciler

Çok modlu işlemciler

Herhangi bir çok modlu model, metin, görü ve ses arasında yer alan birkaç modülü gruplayan verileri kodlamak veya çözmek için bir nesne gerektirir. Bu, tokenizers (metin modülü için), image processors (görüntü için) ve feature extractors (ses için) gibi iki veya daha fazla işleme nesnesini bir araya getiren, processor olarak adlandırılan nesneler tarafından ele alınır.

Bu işlemciler, kaydetme ve yükleme işlevselliğini uygulayan aşağıdaki temel sınıftan devralır:

sınıf transformers.ProcessorMixin

< source >

( *args**kwargs )

Bu, tüm işlemci sınıfları için kaydetme/yükleme işlevselliği sağlamak için kullanılan bir karışım (mixin)dir.

call

< source >

( images: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor'], NoneType] = Nonetext: str | list[str] | list[list[str]] | None = Nonevideos: typing.Union[list['PIL.Image.Image'], numpy.ndarray, ForwardRef('torch.Tensor'), list[numpy.ndarray], list['torch.Tensor'], list[list['PIL.Image.Image']], list[list[numpy.ndarray]], list[list['torch.Tensor']], transformers.video_utils.URL, list[transformers.video_utils.URL], list[list[transformers.video_utils.URL]], transformers.video_utils.Path, list[transformers.video_utils.Path], list[list[transformers.video_utils.Path]], NoneType] = Noneaudio: typing.Union[numpy.ndarray, ForwardRef('torch.Tensor'), collections.abc.Sequence[numpy.ndarray], collections.abc.Sequence['torch.Tensor'], NoneType] = None**kwargs: *<class 'transformers.processing_utils.ProcessingKwargs'> )

Parametreler

images (Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]], isteğe bağlı) — Ön işleme yapılacak 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.
text (Union[str, list[str], list[list[str]]], isteğe bağlı) — Kodlanacak dizi veya dizi grubu. Her dizi bir metin veya metin listesi (önceden tokenize edilmiş metin) olabilir. Önceden tokenize edilmiş bir girdi geçirirseniz, gruplu girdilerle karışıklığı önlemek için is_split_into_words=True değerini ayarlayın.
videos (Union[list[PIL.Image.Image], numpy.ndarray, torch.Tensor, list[numpy.ndarray], list[torch.Tensor], list[list[PIL.Image.Image]], list[list[numpy.ndarray]], list[list[torch.Tensor]], ~video_utils.URL, list[~video_utils.URL], list[list[~video_utils.URL]], ~video_utils.Path, list[~video_utils.Path], list[list[~video_utils.Path]]], isteğe bağlı) — Ön işleme yapılacak video. Piksel değerleri 0 ile 255 arasında değişen tek bir video veya video partisi beklenir. Piksel değerleri 0 ile 1 arasında olan videoları geçiriyorsanız do_rescale=False olarak ayarlayın.
audio (Union[numpy.ndarray, torch.Tensor, collections.abc.Sequence[numpy.ndarray], collections.abc.Sequence[torch.Tensor]], isteğe bağlı) — Hazırlanacak ses veya sesler partisi. Her ses, bir NumPy dizisi veya PyTorch tensörü olabilir. NumPy dizisi/PyTorch tensörü durumunda, her sesin şekli (C, T) olmalıdır; burada C kanal sayısı, T ise sesin örnek uzunluğudur.
return_tensors (str veya TensorType, isteğe bağlı) — Belirlenirse, belirli bir çerçeveye ait tensörler döndürülür. Kabul edilen değerler şunlardır:
- 'pt': PyTorch torch.Tensor nesnelerini döndürür.
- 'np': NumPy np.ndarray nesnelerini döndürür.
**kwargs (ProcessingKwargs, isteğe bağlı) — Her modalite (metin, görüntüler, videolar, ses) için ek işleme seçenekleri. Modelle ilgili parametreler yukarıda listelenmiştir; desteklenen argümanların tam listesi için TypedDict sınıfına bakın.

prepare_inputs_layout

< source >

İşleme öncesinde girdileri normalize edin ve önceden getirin. Çok modlu işlemciler için metni bir listeye sarar, URL'ler sağlanırsa uzak görüntüleri ve sesleri getirir ve seslerin doğru şekilde toplulaştırıldığından emin olur. Normalize edilmiş (images, text, videos, audio) demetini döndürür.

validate_inputs

< source >

En az bir girdinin sağlandığını ve kullanılmayan anahtar kelime argümanlarının kullanılmadığını doğrular. Aksi takdirde ValueError fırlatır.

İşleyicinin girdi argümanları üzerinde ek doğrulama yapması gerektiğinde geçersiz kılın.

get_text_with_replacements

< source >

( text: listimages_replacements: list = []videos_replacements: list = []audio_replacements: list = [] ) → tuple[list[str], list[dict[str, Any]]]

Parametreler

text (list[str]) — Ham metin dizgilerinden oluşan bir parti; her biri çok modlu yer tutucu jetonlar içerebilir. Not: Yerinde değiştirilir ve döndürülür.
images_replacements (list[str], optional, varsayılan []) — Toplu işlemdeki görüntülerin sırasıyla genişletilmiş değiştirme dizgeleri. self._process_images tarafından üretilir.
videos_replacements (list[str], opsiyonel, varsayılan []) — Her video için genişletilmiş değiştirme dizgileri. self._process_videos tarafından üretilir.
audio_replacements (list[str], opsiyonel, varsayılan []) — Her ses girdisi için genişletilmiş değiştirme dizgileri. self._process_audio tarafından üretilir.

Dönüş değeri

tuple[list[str], list[dict[str, Any]]]

Şunların bir demeti:

Tüm yer tutucu jetonlar genişletilmiş, değiştirilmiş text partisi.
batch_replacement_offsets: her batch öğesi için bir giriş, her biri şu anahtarlara sahip sözlüklerden oluşan bir liste:
“type” (str): modalite adı — “image”, “video” veya “audio”
“span” (tuple[int, int]): yer tutucu token'ın orijinal (start, end) karakter ofsetleri
“new_span” (tuple[int, int]): genişletilmiş dizideki yer tutucunun (start, end) ofsetleri
“text” (str): eşleşen orijinal yer tutucu token dizgesi
“replacement” (str): bununla değiştirildiği dize

Bir metin dizgisi grubundaki çok modlu yer tutucu belirteçleri, genişletilmiş temsilleriyle değiştirin ve değiştirilen metinleri ofset meta verileriyle birlikte döndürün.

Bu yöntem, çok modlu girdiler için çekirdek metin tarafı ön işleme adımıdır. Toplumdaki her metni özel jetonlar (görsel, video, ses) için tarar ve bunları, self.replace_image_token / self.replace_video_token / self.replace_audio_token tarafından üretilen önceden hesaplanmış değiştirme dizgeleriyle sırayla değiştirir. Değişiklikler, her modallığın listesinden sıralı olarak tüketilir; bu nedenle örneğin self.image_token'in i'inci görünümü, images_replacements[i] ile değiştirilir.

Yer tutucu jetonlara sahip yeni bir çok modlu işlemci eklemek için, girdi metnine gömülen ve aynı zamanda yer tutucu olarak kullanılıp birçok kez tekrarlanan jetonla aynı olan doğru self.image_token'ı tanımlamanız gerekir. Ardından, i indeksindeki belirli bir görüntü için doğru değiştirme dizgesini döndürecek şekilde self.replace_image_token'ı geçersiz kılmanız gerekir. Desteklenen diğer tüm modaliteler için de aynı geçerlidir.

create_mm_token_type_ids

< source >

( input_ids: list ) → list[list[int]]

Parametreler

input_ids (list[list[int]]) — Token kimliği dizileri partisi. Dolgusuz (değişken uzunluklu) olabileceğinden, bir tensör veya düzgün biçimli dizi yerine düz bir Python listesi listesi beklenir.

Dönüş değeri

list[list[int]]

input_ids ile aynı yapıya sahip bir liste, burada her tamsayı, ilgili jetonun modalite türü kimliğidir.

Bir token_id dizileri grubu için token başına modalite türü kimlikleri oluşturun.

Her konuma, ait olduğu modaliteyi gösteren bir tamsayısı atanır: normal metin için 0, görüntü jetonları için 1, video jetonları için 2 ve ses jetonları için 3. Üyelik, self.image_token_ids, self.video_token_ids ve self.audio_token_ids ile karşılaştırılarak belirlenir.

apply_chat_template

< source >

( conversation: list[dict[str, str]] | list[list[dict[str, str]]]chat_template: str | None = Nonetools: list[dict] | None = Nonedocuments: list[dict[str, str]] | None = Noneadd_generation_prompt: bool = Falsecontinue_final_message: bool | str = Falsereturn_assistant_tokens_mask: bool = Falsetokenize: bool = Falsereturn_tensors: str | transformers.utils.generic.TensorType | None = 'auto'return_dict: bool = Falseload_audio_from_video: bool = Falseprocessor_kwargs: dict | None = None**kwargs )

Parametreler

conversation (Union[list[Dict, [str, str]], list[list[dict[str, str]]]]) — Biçimlendirilecek konuşma.
chat_template (Optional[str], isteğe bağlı) — Sohbeti biçimlendirmek için kullanılacak Jinja şablonu. Sağlanmazsa, tokenizer'ın sohbet şablonu kullanılır.

apply_chat_template yönteminde olduğu gibi, bu yöntem girdi konuşmalarına bir Jinja şablonu uygulayarak onları tek bir tokenize edilebilir dizeye dönüştürür.

Girdinin aşağıdaki formatta olması beklenir; burada her mesaj içeriği, metin ve isteğe bağlı olarak görüntü veya video girdilerinden oluşan bir listedir. Ayrıca, return_dict=True olduğunda pixel_values oluşturmak için kullanılacak bir görüntü, video, URL veya yerel yol da sağlanabilir. Sağlanmazsa, yalnızca biçimlendirilmiş metin, isteğe bağlı olarak tokenize edilmiş metin alınır.

conversation = [ { “role”: “user”, “content”: [ {“type”: “image”, “url”: “https://www.ilankelman.org/stopsigns/australia.jpg”}, {“type”: “text”, “text”: “Please describe this image in detail.”}, ], }, ]

kwargs işleme

Processor __call__ metotları, modaliteye göre organize edilmiş anahtar kelime argümanlarını kabul eder. Aşağıdaki TypedDict sınıfları, her modalite için kullanılabilir anahtar kelime argümanlarını tanımlar. Model-özel işlemciler, alan eklemek veya üzerine yazmak için bu sınıflardan türetilebilir.

sınıf transformers.ProcessingKwargs

< source >

( )

İşleyicilere (processors) kwargs iletiminin taban sınıfı. Bir modelin, taban sınıfta bulunmayan veya mevcut anahtarlar için varsayılan değerlere sahip belirli kwargs'ları varsa, şunları sağlamak için ProcessingKwargs'dan türeyen kendi ModelProcessorKwargs sınıfına sahip olmalıdır: 1) Girdileri işlemek için bu modelin gerektirdiği ek tipli anahtarlar. 2) _defaults özniteliği altında mevcut anahtarlar için varsayılan değerler. Tip ipuçlarının (type hinting) doğru şekilde yapılmasını sağlamak için yeni anahtarlar aşağıdaki gibi tanımlanmalıdır.

# adding a new image kwarg for this model
class ModelImagesKwargs(ImagesKwargs, total=False):
    new_image_kwarg: Optional[bool]

class ModelProcessorKwargs(ProcessingKwargs, total=False):
    images_kwargs: ModelImagesKwargs
    _defaults = {
        "images_kwargs: {
            "new_image_kwarg": False,
        }
        "text_kwargs": {
            "padding": "max_length",
        },
    }

Python 3.8 uyumluluğu için, bu sınıftan türetirken kwargs'larından birini geçersiz kıldığınızda,

annotations sözlüğünü manuel olarak güncellemeniz gerekir. Bu şu şekilde yapılabilir:

class CustomProcessorKwargs(ProcessingKwargs, total=False):
    images_kwargs: CustomImagesKwargs

CustomProcessorKwargs.__annotations__["images_kwargs"] = CustomImagesKwargs  # python 3.8 compatibility

sınıf transformers.TextKwargs

< source >

( )

Parametreler

add_special_tokens (bool, isteğe bağlı) — Dizileri kodlarken özel jetonların eklenip eklenmeyeceğini belirtir.
padding (bool, str veya PaddingStrategy, isteğe bağlı) — Doldurmayı etkinleştirir ve kontrol eder.
truncation (bool, str veya TruncationStrategy, isteğe bağlı) — Kesme işlemini etkinleştirir ve kontrol eder.
max_length (int, isteğe bağlı) — Kesme/doldurma parametrelerinden birinin kullanacağı maksimum uzunluğu kontrol eder.
stride (int, isteğe bağlı) — Belirlenirse, taşan jetonlar kırpılmış dizinin sonundaki bazı jetonları içerecektir.
is_split_into_words (bool, isteğe bağlı) — Girdinin önceden tokenize edilip edilmediğini belirtir.
pad_to_multiple_of (int, isteğe bağlı) — Belirlenirse, diziyi verilen değerin katına kadar doldurur.
return_token_type_ids (bool, isteğe bağlı) — Token türü kimliklerinin döndürülüp döndürülmeyeceği.
return_attention_mask (bool, isteğe bağlı) — Dikkat maskesinin (attention mask) döndürülüp döndürülmeyeceği.
return_overflowing_tokens (bool, isteğe bağlı) — Taşan token dizilerinin döndürülüp döndürülmemeyeceğini belirtir.
return_special_tokens_mask (bool, isteğe bağlı) — Özel jeton maskesi bilgisinin döndürülüp döndürülmemesi.
return_offsets_mapping (bool, isteğe bağlı) — Her token için (char_start, char_end) döndürülecek mi?
return_length (bool, isteğe bağlı) — Kodlanmış girdilerin uzunluklarının döndürülüp döndürülmemesi.
verbose (bool, isteğe bağlı) — Daha fazla bilgi ve uyarı yazdırılacak mı.
padding_side (str, isteğe bağlı) — Dolgu uygulanacak taraf.
return_mm_token_type_ids (bool, isteğe bağlı) — mm yer tutucu token konumlarını gösteren çok modlu token türü kimliklerini döndürülüp döndürülmemeye karar verir.
return_text_replacement_offsets (bool, isteğe bağlı) — Her mm yer tutucusu ve ikamesi için karakter ofsetlerinin döndürülüp döndürülmeyeceğini belirtir.
return_tensors (str veya TensorType, isteğe bağlı) — Belirlenirse, belirli bir çerçeveye ait tensörler döndürülür. Kabul edilen değerler şunlardır:
- 'pt': PyTorch torch.Tensor nesnelerini döndürür.
- 'np': NumPy np.ndarray nesnelerini döndürür.

Metin işleme için anahtar kelime argümanları. Genişletilmiş belgeler için, ilişkili tokenization_utils_base yöntemlerini ve docstring'lerini inceleyin.

sınıf transformers.ImagesKwargs

< source >

( )

Parametreler

do_convert_rgb (bool) — Görselin RGB formatına dönüştürülüp dönüştürülmemesi.
do_resize (bool, isteğe bağlı) — Görselin yeniden boyutlandırılıp boyutlandırılmayacağı.
size (dict[str, int], isteğe bağlı) — Desteklenen boyut sözlüklerinden biri kullanılarak yeniden boyutlandırma yapılır. Piksel alan sınırları {"min_pixels": int, "max_pixels": int} kullanır.
default_to_square (bool, isteğe bağlı, varsayılan self.default_to_square) — Boyut bir int ise, yeniden boyutlandırma sırasında varsayılan olarak kareye geçilip geçilmeyeceğini belirtir.
crop_size (dict[str, int], isteğe bağlı) — Ortadan kırpma uygulandığında istenen çıktı boyutu.
resample (PILImageResampling, isteğe bağlı) — Görsel yeniden boyutlandırılıyorsa kullanılacak yeniden örnekleme filtresi.
do_rescale (bool, isteğe bağlı) — Görselin belirtilen rescale_factor ölçeğine göre yeniden ölçeklendirilip ölçeklendirilmeyeceğini belirtir.
rescale_factor (int veya float, isteğe bağlı) — Görsel yeniden ölçeklendiriliyorsa kullanılacak ölçekleme faktörü.
do_normalize (bool, isteğe bağlı) — Görselin normalize edilip edilmeyeceği.
image_mean (float veya list[float] or tuple[float, float, float], isteğe bağlı) — Görseli normalize ederken kullanılacak ortalama değer.
image_std (float veya list[float] or tuple[float, float, float], isteğe bağlı) — Görseli normalize ederken kullanılacak standart sapma.
do_pad (bool, isteğe bağlı) — Toplumdaki görsellerin dolgu (padding) uygulanıp uygulanmayacağı.
pad_size (dict[str, int], isteğe bağlı) — Görsellerin doldurulacağı boyut {"height": int, "width" int}.
do_center_crop (bool, isteğe bağlı) — Görselin ortadan kırpılıp kırpılmayacağı.
data_format (ChannelDimension veya str, isteğe bağlı) — Çıktı görüntüsü için kanal boyutu biçimi.
input_data_format (ChannelDimension veya str, isteğe bağlı) — Girdi görüntüsü için kanal boyutu biçimi.
device (Union[str, torch.Tensor], isteğe bağlı) — İşleme için kullanılacak cihaz (ör. “cpu”, “cuda”), yalnızca torchvision arka ucu için geçerlidir.
return_tensors (str veya TensorType, isteğe bağlı) — Belirlenirse, belirli bir çerçeveye ait tensörler döndürülür. Kabul edilen değerler şunlardır:
- 'pt': PyTorch torch.Tensor nesnelerini döndürür.
- 'np': NumPy np.ndarray nesnelerini döndürür.
disable_grouping (bool, isteğe bağlı) — İşleme sırasında görüntülerin şekillerine göre gruplanıp gruplanmayacağını belirtir; yalnızca torchvision arka ucu için geçerlidir.
image_seq_length (int, isteğe bağlı) — Girdideki her görüntü için kullanılacak görüntü jetonlarının sayısı. Geriye dönük uyumluluk için eklendi ancak gelecekteki modellerde bu, bir işlemci özniteliği olarak ayarlanmalıdır.

Görüntü işleme için anahtar kelime argümanları. Genişletilmiş belgeler için uygun ImageProcessor sınıfı yöntemlerini ve docstring'lerini kontrol edin.

sınıf transformers.VideosKwargs

< source >

( )

Parametreler

do_convert_rgb (bool) — Videonun RGB formatına dönüştürülüp dönüştürülmemesi.
do_resize (bool) — Videonun yeniden boyutlandırılıp boyutlandırılmayacağı.
size (dict[str, int], isteğe bağlı) — Girdinin daha kısa kenarını size["shortest_edge"] boyutuna yeniden boyutlandırır.
default_to_square (bool, isteğe bağlı, varsayılan self.default_to_square) — Boyut bir int ise, yeniden boyutlandırma sırasında varsayılan olarak kareye geçilip geçilmeyeceğini belirtir.
resample (PILImageResampling, isteğe bağlı) — Video yeniden boyutlandırılıyorsa kullanılacak yeniden örnekleme filtresi.
do_rescale (bool, isteğe bağlı) — Videonun belirtilen rescale_factor ölçeğine göre yeniden ölçeklendirilip ölçeklendirilmeyeceğini belirtir.
rescale_factor (int veya float, isteğe bağlı) — Video yeniden ölçeklendiriliyorsa kullanılacak ölçekleme faktörü.
do_normalize (bool, isteğe bağlı) — Videonun normalize edilip edilmeyeceği.
image_mean (float veya list[float] or tuple[float, float, float], isteğe bağlı) — Videoyu normalize ederken kullanılacak ortalama değer.
image_std (float veya list[float] or tuple[float, float, float], isteğe bağlı) — Videoyu normalize ederken kullanılacak standart sapma.
do_center_crop (bool, isteğe bağlı) — Videonun merkezden kırpılıp kırpılmayacağı.
do_pad (bool, isteğe bağlı) — Toplumdaki görsellerin dolgu (padding) uygulanıp uygulanmayacağı.
do_sample_frames (bool, isteğe bağlı) — İşlemden önce videodan kare örneklenip örneklenmeyeceği veya videonun tamamının işleneceği.
video_metadata (Union[VideoMetadata, dict], isteğe bağlı) — Toplam süre, fps ve toplam kare sayısı hakkında bilgi içeren videonun meta verileri.
num_frames (int, isteğe bağlı) — do_sample_frames=True olduğunda örneklenmesi gereken maksimum kare sayısı.
fps (int veya float, isteğe bağlı) — do_sample_frames=True olduğunda saniyede örneklenmesi hedeflenen kare sayısı.
crop_size (dict[str, int], isteğe bağlı) — Ortadan kırpma uygulandığında istenen çıktı boyutu.
data_format (ChannelDimension veya str, isteğe bağlı) — Çıktı videosu için kanal boyutu biçimi.
input_data_format (ChannelDimension veya str, isteğe bağlı) — Girdi videosu için kanal boyutu biçimi.
device (Union[str, torch.Tensor], isteğe bağlı) — İşleme için kullanılacak cihaz (ör. “cpu”, “cuda”), yalnızca hızlı görüntü işleme için geçerlidir.
return_metadata (bool, isteğe bağlı) — Video meta verilerinin döndürülüp döndürülmemesi.
return_tensors (str veya TensorType, isteğe bağlı) — Belirlenirse, belirli bir çerçeveye ait tensörler döndürülür. Kabul edilen değerler şunlardır:
- 'pt': PyTorch torch.Tensor nesnelerini döndürür.
- 'np': NumPy np.ndarray nesnelerini döndürür.

Video işleme için anahtar kelime argümanları.

sınıf transformers.AudioKwargs

< source >

( )

Parametreler

sampling_rate (int, isteğe bağlı) — raw_speech girdisinin örneklenmiş olduğu örneklem hızı.
raw_speech (np.ndarray, list[float], list[np.ndarray], list[list[float]]) — Doldurulacak (padding) dizi veya dizi grubu. Her dizi, bir numpy dizisi, bir float değerleri listesi, bir numpy dizileri listesi veya float değerleri listeleri listesi olabilir. Tek kanallı (mono) ses olmalı, stereo değil; yani her zaman adımı için tek bir float değer içermelidir.
padding (bool, str veya PaddingStrategy, isteğe bağlı) — Dönen dizileri (modelin padding yönüne ve padding indeksine göre) aşağıdakilerden birine göre doldurmak için bir strateji seçin:
- True veya 'longest': Toplu işlemdeki en uzun dizinin uzunluğuna kadar dolgu yapılır (yalnızca tek bir dizi sağlandıysa dolgu yapılmaz).
- 'max_length': max_length argümanı ile belirtilen maksimum uzunluğa veya bu argüman sağlanmadıysa modelin kabul edebileceği maksimum giriş uzunluğuna kadar doldurur.
- False veya 'do_not_pad'
max_length (int, isteğe bağlı) — Döndürülen listenin ve isteğe bağlı dolgu uzunluğunun (bkz. yukarı) maksimum uzunluğu.
truncation (bool, isteğe bağlı) — max_length'den uzun giriş dizilerini max_length değerine kısaltmak için kesme işlemini etkinleştirir.
pad_to_multiple_of (int, isteğe bağlı) — Belirlenirse, diziyi verilen değerin katına kadar doldurur.
return_attention_mask (bool, isteğe bağlı) — call() attention_mask döndürmeli mi?
device (str veya torch.device, isteğe bağlı) — Ses özelliklerinin hesaplanacağı cihaz (ör. “cpu”, “cuda”), yalnızca bu özellikleri torch ile hesaplayan özellik çıkarıcıları için geçerlidir.
return_tensors (str veya TensorType, isteğe bağlı) — Belirlenirse, belirli bir çerçeveye ait tensörler döndürülür. Kabul edilen değerler şunlardır:
- 'pt': PyTorch torch.Tensor nesnelerini döndürür.
- 'np': NumPy np.ndarray nesnelerini döndürür.
load_audio_backend (str, isteğe bağlı) — apply_chat_template içinde URL/yol ile referans verilen sesleri çözmek/örnekleme hızını değiştirmek için load_audio() tarafından kullanılan arka uç. "auto", "torchcodec", "librosa", "torchaudio" değerlerinden biri.

Ses işleme için anahtar kelime argümanları.

Update on GitHub

Transformers

İşleyiciler

Çok modlu işlemciler

sınıf transformers.ProcessorMixin

__call__

prepare_inputs_layout

validate_inputs

get_text_with_replacements

create_mm_token_type_ids

apply_chat_template

kwargs işleme

sınıf transformers.ProcessingKwargs

sınıf transformers.TextKwargs

sınıf transformers.ImagesKwargs

sınıf transformers.VideosKwargs

sınıf transformers.AudioKwargs

call