Transformers 4.37 中文文档（六十九）（3）-阿里云开发者社区

Transformers 4.37 中文文档（六十九）（2）https://developer.aliyun.com/article/1564102

MobileNetV1Model

`class transformers.MobileNetV1Model`

( config: MobileNetV1Config add_pooling_layer: bool = True )

参数

config（MobileNetV1Config） — 具有模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重，只加载配置。查看 from_pretrained()方法以加载模型权重。

裸的 MobileNetV1 模型输出原始的隐藏状态，没有特定的头部。这个模型是 PyTorch 的torch.nn.Module子类。将其用作常规的 PyTorch 模块，并参考 PyTorch 文档以获取有关一般用法和行为的所有相关信息。

`forward`

<来源>

( pixel_values: Optional = None output_hidden_states: Optional = None return_dict: Optional = None ) → export const metadata = 'undefined';transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention or tuple(torch.FloatTensor)

参数

pixel_values (torch.FloatTensor，形状为(batch_size, num_channels, height, width)) — 像素值。可以使用 AutoImageProcessor 获取像素值。有关详细信息，请参阅 MobileNetV1ImageProcessor.call()。
output_hidden_states (bool，optional) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量下的hidden_states。
return_dict (bool, optional) — 是否返回一个 ModelOutput 而不是一个普通的元组。

transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention或tuple(torch.FloatTensor)

一个transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention或一个torch.FloatTensor元组（如果传递return_dict=False或config.return_dict=False，则返回）包含根据配置（MobileNetV1Config）和输入的各种元素。

last_hidden_state (torch.FloatTensor，形状为(batch_size, num_channels, height, width)) — 模型最后一层的输出的隐藏状态序列。
pooler_output (torch.FloatTensor，形状为(batch_size, hidden_size)) — 空间维度上进行池化操作后的最后一层隐藏状态。
hidden_states (tuple(torch.FloatTensor), optional, 当传递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（一个用于嵌入层的输出，如果模型有嵌入层，+ 一个用于每一层的输出）。
模型在每一层输出处的隐藏状态以及可选的初始嵌入输出。

MobileNetV1Model 的前向方法，覆盖了__call__特殊方法。

虽然前向传递的方法需要在这个函数内定义，但应该在此之后调用Module实例，而不是这个，因为前者会处理运行前后处理步骤，而后者会默默地忽略它们。

示例：

>>> from transformers import AutoImageProcessor, MobileNetV1Model
>>> import torch
>>> from datasets import load_dataset
>>> dataset = load_dataset("huggingface/cats-image")
>>> image = dataset["test"]["image"][0]
>>> image_processor = AutoImageProcessor.from_pretrained("google/mobilenet_v1_1.0_224")
>>> model = MobileNetV1Model.from_pretrained("google/mobilenet_v1_1.0_224")
>>> inputs = image_processor(image, return_tensors="pt")
>>> with torch.no_grad():
...     outputs = model(**inputs)
>>> last_hidden_states = outputs.last_hidden_state
>>> list(last_hidden_states.shape)
[1, 1024, 7, 7]

MobileNetV1ForImageClassification

`class transformers.MobileNetV1ForImageClassification`

<来源>

( config: MobileNetV1Config )

参数

config (MobileNetV1Config) — 具有模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重，只加载配置。查看 from_pretrained()方法以加载模型权重。

MobileNetV1 模型，顶部带有图像分类头（在池化特征之上的线性层），例如用于 ImageNet。

这个模型是 PyTorch torch.nn.Module的子类。将其用作常规的 PyTorch 模块，并参考 PyTorch 文档以获取有关一般用法和行为的所有信息。

`forward`

<来源>

( pixel_values: Optional = None output_hidden_states: Optional = None labels: Optional = None return_dict: Optional = None ) → export const metadata = 'undefined';transformers.modeling_outputs.ImageClassifierOutputWithNoAttention or tuple(torch.FloatTensor)

参数

pixel_values (torch.FloatTensor，形状为(batch_size, num_channels, height, width)) — 像素值。像素值可以使用 AutoImageProcessor 获取。有关详细信息，请参阅 MobileNetV1ImageProcessor.call()。
output_hidden_states (bool，可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请查看返回张量下的hidden_states。
return_dict (bool，可选) — 是否返回 ModelOutput 而不是普通的元组。
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）。

transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或tuple(torch.FloatTensor)

一个 transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或一个torch.FloatTensor元组（如果传递了return_dict=False或当config.return_dict=False时）包含各种元素，这取决于配置（MobileNetV1Config）和输入。

损失 (torch.FloatTensor，形状为(1,)，可选，当提供labels时返回) — 分类（如果config.num_labels==1则为回归）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）得分（SoftMax 之前）。
hidden_states (tuple(torch.FloatTensor), optional, 当传递output_hidden_states=True或config.output_hidden_states=True时返回) — torch.FloatTensor 元组（一个用于嵌入层的输出，如果模型有嵌入层，+ 一个用于每个阶段的输出），形状为 (batch_size, num_channels, height, width)。模型在每个阶段输出的隐藏状态（也称为特征图）。

MobileNetV1ForImageClassification 的前向方法，覆盖了__call__特殊方法。

虽然前向传递的步骤需要在这个函数内定义，但应该在此之后调用Module实例，而不是这个函数，因为前者会处理运行前后处理步骤，而后者会默默地忽略它们。

示例：

>>> from transformers import AutoImageProcessor, MobileNetV1ForImageClassification
>>> import torch
>>> from datasets import load_dataset
>>> dataset = load_dataset("huggingface/cats-image")
>>> image = dataset["test"]["image"][0]
>>> image_processor = AutoImageProcessor.from_pretrained("google/mobilenet_v1_1.0_224")
>>> model = MobileNetV1ForImageClassification.from_pretrained("google/mobilenet_v1_1.0_224")
>>> inputs = image_processor(image, return_tensors="pt")
>>> with torch.no_grad():
...     logits = model(**inputs).logits
>>> # model predicts one of the 1000 ImageNet classes
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
tabby, tabby cat

MobileNet V2

原文链接：huggingface.co/docs/transformers/v4.37.2/en/model_doc/mobilenet_v2

概述

MobileNet 模型是由 Mark Sandler、Andrew Howard、Menglong Zhu、Andrey Zhmoginov、Liang-Chieh Chen 在MobileNetV2: Inverted Residuals and Linear Bottlenecks中提出的。

论文摘要如下：

在本文中，我们描述了一种新的移动架构 MobileNetV2，它提高了移动模型在多个任务和基准上的性能，并跨不同模型大小的光谱。我们还描述了将这些移动模型应用于对象检测的高效方法，这是我们称之为 SSDLite 的新颖框架。此外，我们演示了如何通过我们称之为 Mobile DeepLabV3 的 DeepLabv3 的简化形式构建移动语义分割模型。

MobileNetV2 架构基于倒置残差结构，其中残差块的输入和输出是薄瓶颈层，与传统的残差模型相反，传统模型在输入中使用扩展表示，MobileNetV2 使用轻量级深度卷积来过滤中间扩展层中的特征。此外，我们发现在窄层中去除非线性对于保持表征能力是重要的。我们证明这可以提高性能，并提供导致这种设计的直觉。最后，我们的方法允许将输入/输出域与变换的表现力分离，为进一步分析提供了便利的框架。我们在 Imagenet 分类、COCO 目标检测、VOC 图像分割上衡量我们的性能。我们评估了准确性和操作数量之间的权衡，操作数量由乘加操作（MAdd）和参数数量来衡量。

该模型由matthijs贡献。原始代码和权重可以在主模型这里找到，在DeepLabV3+这里找到。

使用提示

检查点命名为mobilenet_v2_depth_size，例如mobilenet_v2_1.0_224，其中1.0是深度乘数（有时也称为“alpha”或宽度乘数），224是模型训练的输入图像的分辨率。
尽管检查点是在特定大小的图像上训练的，但模型可以在任何大小的图像上运行。支持的最小图像大小为 32x32。
可以使用 MobileNetV2ImageProcessor 来为模型准备图像。
可用的图像分类检查点是在ImageNet-1k上预训练的（也称为 ILSVRC 2012，包含 130 万张图像和 1000 个类）。然而，模型预测 1001 个类别：来自 ImageNet 的 1000 个类别加上额外的“背景”类（索引 0）。
分割模型使用DeepLabV3+头部。可用的语义分割检查点是在PASCAL VOC上预训练的。
原始的 TensorFlow 检查点使用不同的填充规则，需要模型在推断时确定填充量，因为这取决于输入图像的大小。要使用原生 PyTorch 填充行为，请创建一个 MobileNetV2Config，其中tf_padding = False。

不支持的功能：

MobileNetV2Model 输出最后一个隐藏状态的全局池化版本。在原始模型中，可以使用固定 7x7 窗口和步幅 1 的平均池化层代替全局池化。对于大于推荐图像尺寸的输入，这将产生一个大于 1x1 的池化输出。Hugging Face 的实现不支持这一点。
原始的 TensorFlow 检查点包括量化模型。我们不支持这些模型，因为它们包括额外的“FakeQuantization”操作来取消量化权重。
通常会提取扩展层的输出，索引为 10 和 13，以及最终 1x1 卷积层的输出，用于下游目的。使用output_hidden_states=True返回所有中间层的输出。目前无法将其限制为特定层。
DeepLabV3+分割头部不使用骨干网络的最终卷积层，但是这一层仍然会被计算。目前无法告诉 MobileNetV2Model 应该运行到哪一层。

资源

官方 Hugging Face 和社区（由🌎表示）资源列表，可帮助您开始使用 MobileNetV2。

图像分类

MobileNetV2ForImageClassification 由这个示例脚本和笔记本支持。
另请参阅：图像分类任务指南

语义分割

语义分割任务指南

如果您有兴趣提交资源以包含在此处，请随时打开一个 Pull Request，我们将进行审查！资源应该理想地展示一些新内容，而不是重复现有资源。

MobileNetV2Config

`class transformers.MobileNetV2Config`

<来源>

( num_channels = 3 image_size = 224 depth_multiplier = 1.0 depth_divisible_by = 8 min_depth = 8 expand_ratio = 6.0 output_stride = 32 first_layer_is_expansion = True finegrained_output = True hidden_act = 'relu6' tf_padding = True classifier_dropout_prob = 0.8 initializer_range = 0.02 layer_norm_eps = 0.001 semantic_loss_ignore_index = 255 **kwargs )

参数

num_channels (int, optional, defaults to 3) — 输入通道数。
image_size (int, optional, defaults to 224) — 每个图像的大小（分辨率）。
depth_multiplier (float, optional, defaults to 1.0) — 收缩或扩展每一层的通道数。默认为 1.0，网络从 32 个通道开始。有时也称为“alpha”或“宽度乘数”。
depth_divisible_by (int, optional, defaults to 8) — 每一层的通道数将始终是这个数字的倍数。
min_depth (int, optional, defaults to 8) — 所有层至少具有这么多通道。
expand_ratio (float, optional, defaults to 6.0) — 每个块中第一层的输出通道数是输入通道数乘以扩展比率。
output_stride (int, optional, defaults to 32) — 输入和输出特征图的空间分辨率之间的比率。默认情况下，模型将输入维度减小 32 倍。如果output_stride为 8 或 16，则模型在深度层上使用扩张卷积而不是常规卷积，以确保特征图永远不会比输入图像小 8 倍或 16 倍。
first_layer_is_expansion (bool, optional, defaults to True) — 如果第一个卷积层也是第一个扩展块的扩展层，则为 True。
finegrained_output (bool, optional, defaults to True) — 如果为真，则最终卷积层中的输出通道数将保持较大（1280），即使depth_multiplier小于 1。
hidden_act (str 或 function，可选，默认为 "relu6") — Transformer 编码器和卷积层中的非线性激活函数（函数或字符串）。
tf_padding (bool，可选，默认为 True) — 是否在卷积层上使用 TensorFlow 填充规则。
classifier_dropout_prob (float，可选，默认为 0.8) — 附加分类器的丢失比率。
initializer_range (float，可选，默认为 0.02) — 用于初始化所有权重矩阵的截断正态初始化器的标准差。
layer_norm_eps (float，可选，默认为 0.001) — 层归一化层使用的 epsilon。
semantic_loss_ignore_index (int，可选，默认为 255) — 语义分割模型的损失函数中被忽略的索引。

这是一个配置类，用于存储 MobileNetV2Model 的配置。根据指定的参数实例化一个 MobileNetV2 模型，定义模型架构。使用默认值实例化配置将产生类似于 MobileNetV2 google/mobilenet_v2_1.0_224 架构的配置。

配置对象继承自 PretrainedConfig，可用于控制模型输出。阅读来自 PretrainedConfig 的文档以获取更多信息。

示例：

>>> from transformers import MobileNetV2Config, MobileNetV2Model
>>> # Initializing a "mobilenet_v2_1.0_224" style configuration
>>> configuration = MobileNetV2Config()
>>> # Initializing a model from the "mobilenet_v2_1.0_224" style configuration
>>> model = MobileNetV2Model(configuration)
>>> # Accessing the model configuration
>>> configuration = model.config

MobileNetV2FeatureExtractor

`class transformers.MobileNetV2FeatureExtractor`

<来源>

( *args **kwargs )

`preprocess`

<来源>

( images: Union do_resize: Optional = None size: Dict = None resample: Resampling = None do_center_crop: bool = None crop_size: Dict = None do_rescale: Optional = None rescale_factor: Optional = None do_normalize: Optional = None image_mean: Union = None image_std: Union = None return_tensors: Union = None data_format: Union = <ChannelDimension.FIRST: 'channels_first'> input_data_format: Union = None **kwargs )

参数

images (ImageInput) — 要预处理的图像。期望单个图像或批处理图像，像素值范围为 0 到 255。如果传入像素值在 0 到 1 之间的图像，请设置 do_rescale=False。
do_resize (bool，可选，默认为 self.do_resize) — 是否调整图像大小。
size (Dict[str, int]，可选，默认为 self.size) — 调整大小后的图像尺寸。图像的最短边被调整为 size[“shortest_edge”]，最长边被调整以保持输入的纵横比。
resample (PILImageResampling 过滤器，可选，默认为 self.resample) — 如果调整图像大小，则使用的 PILImageResampling 过滤器，例如 PILImageResampling.BILINEAR。仅在 do_resize 设置为 True 时有效。
do_center_crop (bool，可选，默认为 self.do_center_crop) — 是否对图像进行中心裁剪。
crop_size (Dict[str, int]，可选，默认为 self.crop_size) — 中心裁剪的尺寸。仅在 do_center_crop 设置为 True 时有效。
do_rescale (bool，可选，默认为 self.do_rescale) — 是否重新缩放图像值在 [0 - 1] 之间。
rescale_factor (float，可选，默认为 self.rescale_factor) — 如果 do_rescale 设置为 True，则用于重新缩放图像的重新缩放因子。
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) — 如果 do_normalize 设置为 True，则使用的图像均值。
image_std (float 或 List[float]，可选，默认为 self.image_std) — 如果 do_normalize 设置为 True，则使用的图像标准差。
return_tensors (str 或 TensorType，可选) — 要返回的张量类型。可以是以下之一：

未设置：返回一个 np.ndarray 列表。
TensorType.TENSORFLOW 或 'tf'：返回类型为 tf.Tensor 的批处理。
TensorType.PYTORCH 或 'pt': 返回类型为 torch.Tensor 的批处理。
TensorType.NUMPY 或 'np': 返回类型为 np.ndarray 的批处理。
TensorType.JAX 或 'jax': 返回类型为 jax.numpy.ndarray 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 (通道数, 高度, 宽度)。
"channels_last" 或 ChannelDimension.LAST: 图像格式为 (高度, 宽度, 通道数)。
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，则从输入图像中推断通道维度格式。可以是以下之一：

"channels_first" 或 ChannelDimension.FIRST: 图像格式为 (通道数, 高度, 宽度)。
"channels_last" 或 ChannelDimension.LAST: 图像格式为 (高度, 宽度, 通道数)。
"none" 或 ChannelDimension.NONE: 图像格式为 (高度, 宽度)。

预处理图像或图像批处理。

`post_process_semantic_segmentation`

<来源>

( outputs target_sizes: List = None ) → export const metadata = 'undefined';semantic_segmentation

参数

outputs (MobileNetV2ForSemanticSegmentation) — 模型的原始输出。
target_sizes (List[Tuple]，长度为 batch_size，可选) — 每个预测的请求最终尺寸 (高度, 宽度) 对应的元组列表。如果未设置，预测将不会被调整大小。

语义分割

List[torch.Tensor]，长度为 batch_size，其中每个项目是形状为 (高度, 宽度) 的语义分割地图，对应于 target_sizes 条目（如果指定了 target_sizes）。每个 torch.Tensor 的每个条目对应一个语义类别 id。

将 MobileNetV2ForSemanticSegmentation 的输出转换为语义分割地图。仅支持 PyTorch。

MobileNetV2ImageProcessor

`class transformers.MobileNetV2ImageProcessor`

<来源>

( do_resize: bool = True size: Optional = None resample: Resampling = <Resampling.BILINEAR: 2> do_center_crop: bool = True crop_size: Dict = None do_rescale: bool = True rescale_factor: Union = 0.00392156862745098 do_normalize: bool = True image_mean: Union = None image_std: Union = None **kwargs )

参数

do_resize (bool, 可选, 默认为 True) — 是否将图像的 (高度, 宽度) 尺寸调整为指定的 size。可以被 preprocess 方法中的 do_resize 覆盖。
size (Dict[str, int] 可选, 默认为 {"shortest_edge" -- 256}): 调整大小后的图像尺寸。图像的最短边被调整为 size[“shortest_edge”]，最长边被调整以保持输入的长宽比。可以被 preprocess 方法中的 size 覆盖。
resample (PILImageResampling，可选, 默认为 PILImageResampling.BILINEAR) — 调整图像大小时要使用的重采样滤波器。可以被 preprocess 方法中的 resample 参数覆盖。
do_center_crop (bool, 可选, 默认为 True) — 是否对图像进行中心裁剪。如果输入尺寸小于任何边上的 crop_size，则图像将填充为 0，然后进行中心裁剪。可以被 preprocess 方法中的 do_center_crop 参数覆盖。
crop_size (Dict[str, int]，可选, 默认为 {"height" -- 224, "width": 224}): 应用中心裁剪时的期望输出尺寸。仅在 do_center_crop 设置为 True 时有效。可以被 preprocess 方法中的 crop_size 参数覆盖。
do_rescale (bool, 可选, 默认为 True) — 是否按指定比例 rescale_factor 重新缩放图像。可以被 preprocess 方法中的 do_rescale 参数覆盖。
rescale_factor (int 或 float, 可选, 默认为 1/255) — 如果重新缩放图像，则使用的缩放因子。可以被 preprocess 方法中的 rescale_factor 参数覆盖。是否归一化图像。可以被 preprocess 方法中的 do_normalize 参数覆盖。
image_mean (float 或 List[float], 可选, 默认为 IMAGENET_STANDARD_MEAN) — 如果归一化图像，则使用的均值。这是一个浮点数或与图像中通道数相同长度的浮点数列表。可以被 preprocess 方法中的 image_mean 参数覆盖。
image_std (float 或 List[float], 可选, 默认为 IMAGENET_STANDARD_STD) — 如果归一化图像，则使用的标准差。这是一个浮点数或与图像中通道数相同长度的浮点数列表。可以被 preprocess 方法中的 image_std 参数覆盖。

构建一个 MobileNetV2 图像处理器。

`preprocess`

< source >

( images: Union do_resize: Optional = None size: Dict = None resample: Resampling = None do_center_crop: bool = None crop_size: Dict = None do_rescale: Optional = None rescale_factor: Optional = None do_normalize: Optional = None image_mean: Union = None image_std: Union = None return_tensors: Union = None data_format: Union = <ChannelDimension.FIRST: 'channels_first'> input_data_format: Union = None **kwargs )

参数

images (ImageInput) — 要预处理的图像。期望单个或批量图像，像素值范围为 0 到 255。如果传入像素值在 0 到 1 之间的图像，请设置 do_rescale=False。
do_resize (bool, 可选, 默认为 self.do_resize) — 是否调整图像大小。
size (Dict[str, int], 可选, 默认为 self.size) — 调整大小后的图像大小。图像的最短边被调整为 size[“shortest_edge”]，最长边被调整以保持输入的长宽比。
resample (PILImageResampling 过滤器, 可选, 默认为 self.resample) — 如果调整图像大小，要使用的 PILImageResampling 过滤器，例如 PILImageResampling.BILINEAR。仅在 do_resize 设置为 True 时有效。
do_center_crop (bool, 可选, 默认为 self.do_center_crop) — 是否对图像进行中心裁剪。
crop_size (Dict[str, int], 可选, 默认为 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, 可选, 默认为 self.do_rescale) — 是否将图像值重新缩放到 [0 - 1] 之间。
rescale_factor (float, 可选, 默认为 self.rescale_factor) — 如果 do_rescale 设置为 True，则按照此因子重新缩放图像。
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) — 如果 do_normalize 设置为 True，则使用的图像均值。
image_std (float 或 List[float], 可选, 默认为 self.image_std) — 如果 do_normalize 设置为 True，则使用的图像标准差。
return_tensors (str 或 TensorType, 可选) — 要返回的张量类型。可以是以下之一:

未设置: 返回一个 np.ndarray 列表。
TensorType.TENSORFLOW 或 'tf': 返回类型为 tf.Tensor 的批处理。
TensorType.PYTORCH 或 'pt': 返回类型为 torch.Tensor 的批处理。
TensorType.NUMPY 或 'np': 返回类型为 np.ndarray 的批处理。
TensorType.JAX 或 'jax': 返回类型为 jax.numpy.ndarray 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，则从输入图像中推断通道维度格式。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：图像以（高度，宽度，通道数）格式。
"none"或ChannelDimension.NONE：图像以（高度，宽度）格式。

预处理一张图片或一批图片。

`post_process_semantic_segmentation`

< source >

( outputs target_sizes: List = None ) → export const metadata = 'undefined';semantic_segmentation

参数

outputs (MobileNetV2ForSemanticSegmentation) — 模型的原始输出。
target_sizes (List[Tuple] of length batch_size, optional) — 与每个预测的请求最终大小（高度，宽度）对应的元组列表。如果未设置，预测将不会被调整大小。

语义分割

List[torch.Tensor]，长度为batch_size，每个项目是一个形状为（高度，宽度）的语义分割地图，对应于目标大小条目（如果指定了target_sizes）。每个torch.Tensor的每个条目对应于一个语义类别 ID。

将 MobileNetV2ForSemanticSegmentation 的输出转换为语义分割地图。仅支持 PyTorch。

MobileNetV2Model

`class transformers.MobileNetV2Model`

< source >

( config: MobileNetV2Config add_pooling_layer: bool = True )

参数

config (MobileNetV2Config) — 具有模型所有参数的模型配置类。使用配置文件初始化不会加载与模型关联的权重，只加载配置。查看 from_pretrained()方法以加载模型权重。

裸的 MobileNetV2 模型输出原始的隐藏状态，没有特定的头部。这个模型是一个 PyTorch torch.nn.Module子类。将其用作常规的 PyTorch 模块，并参考 PyTorch 文档以获取有关一般用法和行为的所有相关信息。

`forward`

< source >

( pixel_values: Optional = None output_hidden_states: Optional = None return_dict: Optional = None ) → export const metadata = 'undefined';transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention or tuple(torch.FloatTensor)

参数

pixel_values (torch.FloatTensor of shape (batch_size, num_channels, height, width)) — 像素值。像素值可以使用 AutoImageProcessor 获取。有关详细信息，请参阅 MobileNetV2ImageProcessor.call()。
output_hidden_states (bool, optional) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量下的hidden_states。
return_dict (bool, optional) — 是否返回一个 ModelOutput 而不是一个普通元组。

transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention或tuple(torch.FloatTensor)

一个transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention或一个torch.FloatTensor元组（如果传递了return_dict=False或config.return_dict=False时）包含根据配置（MobileNetV2Config）和输入的不同元素。

last_hidden_state (torch.FloatTensor of shape (batch_size, num_channels, height, width)) — 模型最后一层的隐藏状态序列。
pooler_output (torch.FloatTensor of shape (batch_size, hidden_size)) — 空间维度上进行池化操作后的最后一层隐藏状态。
hidden_states（tuple(torch.FloatTensor)，可选，当传递output_hidden_states=True或当config.output_hidden_states=True时返回）— 形状为(batch_size, num_channels, height, width)的torch.FloatTensor元组（一个用于嵌入层的输出，如果模型有嵌入层，+ 一个用于每一层的输出）。
模型在每一层输出处的隐藏状态以及可选的初始嵌入输出。

MobileNetV2Model 的 forward 方法覆盖了__call__特殊方法。

虽然前向传递的步骤需要在此函数内定义，但应该在此之后调用Module实例，而不是在此处调用，因为前者会处理运行前后处理步骤，而后者会默默地忽略它们。

示例：

>>> from transformers import AutoImageProcessor, MobileNetV2Model
>>> import torch
>>> from datasets import load_dataset
>>> dataset = load_dataset("huggingface/cats-image")
>>> image = dataset["test"]["image"][0]
>>> image_processor = AutoImageProcessor.from_pretrained("google/mobilenet_v2_1.0_224")
>>> model = MobileNetV2Model.from_pretrained("google/mobilenet_v2_1.0_224")
>>> inputs = image_processor(image, return_tensors="pt")
>>> with torch.no_grad():
...     outputs = model(**inputs)
>>> last_hidden_states = outputs.last_hidden_state
>>> list(last_hidden_states.shape)
[1, 1280, 7, 7]

Transformers 4.37 中文文档（六十九）（4）https://developer.aliyun.com/article/1564104

Transformers 4.37 中文文档（六十九）（3）

MobileNetV1Model

`class transformers.MobileNetV1Model`

`forward`

MobileNetV1ForImageClassification

`class transformers.MobileNetV1ForImageClassification`

`forward`

MobileNet V2

概述

使用提示

资源

MobileNetV2Config

`class transformers.MobileNetV2Config`

MobileNetV2FeatureExtractor

`class transformers.MobileNetV2FeatureExtractor`

`preprocess`

`post_process_semantic_segmentation`

MobileNetV2ImageProcessor

`class transformers.MobileNetV2ImageProcessor`

`preprocess`

`post_process_semantic_segmentation`

MobileNetV2Model

`class transformers.MobileNetV2Model`

`forward`

热门文章

最新文章

相关课程

相关电子书

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

Transformers 4.37 中文文档（六十九）（3）

MobileNetV1Model

class transformers.MobileNetV1Model

forward

MobileNetV1ForImageClassification

class transformers.MobileNetV1ForImageClassification

forward

MobileNet V2

概述

使用提示

资源

MobileNetV2Config

class transformers.MobileNetV2Config

MobileNetV2FeatureExtractor

class transformers.MobileNetV2FeatureExtractor

preprocess

post_process_semantic_segmentation

MobileNetV2ImageProcessor

class transformers.MobileNetV2ImageProcessor

preprocess

post_process_semantic_segmentation

MobileNetV2Model

class transformers.MobileNetV2Model

forward

热门文章

最新文章

相关课程

相关电子书

`class transformers.MobileNetV1Model`

`forward`

`class transformers.MobileNetV1ForImageClassification`

`forward`

`class transformers.MobileNetV2Config`

`class transformers.MobileNetV2FeatureExtractor`

`preprocess`

`post_process_semantic_segmentation`

`class transformers.MobileNetV2ImageProcessor`

`preprocess`

`post_process_semantic_segmentation`

`class transformers.MobileNetV2Model`

`forward`