Transformers documentation
SLANet
Este modelo fue aportado a Hugging Face Transformers el 2026-04-22.
SLANet
Resumen
SLANet y SLANet_plus forman parte de una serie de modelos ligeros dedicados al reconocimiento de la estructura de tablas, con el enfoque de reconocer con precisión las estructuras de tablas en documentos y escenas naturales. Para más detalles sobre la serie de modelos SLANet, consulte la documentación oficial.
Arquitectura del modelo
SLANet es un modelo de reconocimiento de estructura de tablas desarrollado por el equipo de visión de Baidu PaddlePaddle. El modelo mejora significativamente la precisión y la velocidad de inferencia del reconocimiento de estructura de tablas al adoptar una red backbone ligera y apta para CPU, PP-LCNet, un módulo de fusión de características de bajo y alto nivel, CSP-PAN, y un módulo de decodificación de características, SLA Head, que alinea la información estructural y posicional.
Uso
Inferencia con una sola entrada
El siguiente ejemplo demuestra cómo detectar texto con SLANet usando AutoModel.
from io import BytesIO
from huggingface_hub.utils import httpx
from PIL import Image
from transformers import AutoImageProcessor, AutoModelForTableRecognition
model_path="PaddlePaddle/SLANet_plus_safetensors"
model = AutoModelForTableRecognition.from_pretrained(model_path, device_map="auto")
image_processor = AutoImageProcessor.from_pretrained(model_path)
image = Image.open(BytesIO(httpx.get(image_url).content))
inputs = image_processor(images=image, return_tensors="pt").to(model.device)
outputs = model(**inputs)
results = image_processor.post_process_table_recognition(outputs)
print(result['structure'])
print(result['structure_score'])SLANetConfig
clase transformers.SLANetConfig
< source >( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Nonepost_conv_out_channels: int = 96out_channels: int = 50hidden_size: int = 256max_text_length: int = 500backbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = Nonehidden_act: str = 'hardswish'csp_kernel_size: int = 5csp_num_blocks: int = 1 )
Parámetros
- post_conv_out_channels (
int, opcional, valor predeterminado 96) — Número de canales de salida para la capa de convolución posterior al codificador. - out_channels (
int, opcional, valor predeterminado 50) — Tamaño del vocabulario para la cabeza de predicción de tokens de estructura de tabla, es decir, el número de tokens de estructura distintos que el modelo puede predecir. - hidden_size (
int, opcional, valor predeterminado 256) — Dimensionalidad de los estados ocultos en la celda GRU de atención y en las cabezas de predicción de estructura/ubicación. - max_text_length (
int, opcional, valor predeterminado 500) — Número máximo de pasos de decodificación autoregresiva (tokens) para el decodificador de estructura y ubicación. - backbone_config (
Union[dict, ~configuration_utils.PreTrainedConfig], opcional) — La configuración del modelo backbone. - hidden_act (
str, opcional, valor predeterminadohardswish) — La función de activación no lineal (función o cadena) en el decodificador. Por ejemplo,"gelu","relu","silu", etc. - csp_kernel_size (
int, opcional, valor predeterminado 5) — El tamaño del kernel de la capa Cross Stage Partial (CSP). - csp_num_blocks (
int, opcional, valor predeterminado 1) — Número de bloques dentro de la capa Cross Stage Partial (CSP).
Esta es la clase de configuración para almacenar la configuración de un SlanetModel. Se utiliza para instanciar un modelo Slanet según los argumentos especificados, definiendo la arquitectura del modelo. Instanciar una configuración con los valores predeterminados producirá una configuración similar a la de PaddlePaddle/SLANet_plus_safetensors
Los objetos de configuración heredan de PreTrainedConfig y se pueden usar para controlar las salidas del modelo. Lea la documentación de PreTrainedConfig para obtener más información.
SLANetForTableRecognition
clase transformers.SLANetForTableRecognition
< source >( config: SLANetConfig )
Parámetros
- config (SLANetConfig) — Clase de configuración del modelo con todos los parámetros del modelo. Inicializar con un archivo de configuración no carga los pesos asociados con el modelo, solo la configuración. Consulte el método from_pretrained() para cargar los pesos del modelo.
Modelo de reconocimiento de tablas SLANet para tareas de reconocimiento de tablas. Envuelve el núcleo SLANetPreTrainedModel y devuelve salidas compatibles con la API de reconocimiento de tablas de Transformers.
Este modelo hereda de PreTrainedModel. Consulta la documentación de la clase superior para los métodos genéricos que la biblioteca implementa para todos sus modelos (como la descarga o el guardado, el redimensionamiento de las incrustaciones de entrada, la poda de cabezas, etc.).
Este modelo también es una subclase de torch.nn.Module de PyTorch. Úsalo como un módulo de PyTorch regular y consulta la documentación de PyTorch para todo lo relacionado con el uso y el comportamiento generales.
forward
< source >( pixel_values: Tensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → SLANetForTableRecognitionOutput or tuple(torch.Tensor)
Parámetros
- pixel_values (
torch.Tensorde forma(batch_size, num_channels, image_size, image_size)) — Los tensores correspondientes a las imágenes de entrada. Los valores de píxeles se pueden obtener utilizando SLANeXtImageProcessor. Consulte SLANeXtImageProcessor.call() para más detalles (processor_classutiliza SLANeXtImageProcessor para procesar las imágenes).
Devuelve
SLANetForTableRecognitionOutput o tuple(torch.Tensor)
Un SLANetForTableRecognitionOutput o una tupla de
torch.Tensor (si se pasa return_dict=False o cuando config.return_dict=False) que comprende varios
elementos según la configuración (SLANetConfig) y las entradas.
El método forward de SLANetForTableRecognition sobrescribe el método especial __call__.
Aunque la receta para la pasada hacia adelante debe definirse dentro de esta función, se debe llamar a la instancia de
Moduledespués en lugar de a esta, ya que la primera se encarga de ejecutar los pasos de pre y postprocesamiento, mientras que la segunda los ignora silenciosamente.
last_hidden_state (
torch.Tensorde forma(batch_size, num_channels, height, width)) — Secuencia de estados ocultos en la salida de la última capa del modelo.hidden_states (
tuple(torch.Tensor), opcional, devuelto cuando se pasaoutput_hidden_states=Trueo cuandoconfig.output_hidden_states=True) — Tupla detorch.Tensor(una para la salida de las incrustaciones, si el modelo tiene una capa de incrustaciones, + una para la salida de cada capa) de forma(batch_size, num_channels, height, width).Estados ocultos del modelo en la salida de cada capa más las salidas opcionales de la incrustación inicial.
head_hidden_states (
tuple(torch.Tensor), opcional, se devuelve cuando se pasaoutput_hidden_states=Trueo cuandoconfig.output_hidden_states=True) — Estados ocultos de SLANetSLAHead en cada paso de predicción, varía hasta un máximo deself.config.max_text_lengthestados (dependiendo de las salidas anticipadas).head_attentions (
tuple(torch.Tensor), opcional, se devuelve cuando se pasaoutput_attentions=Trueo cuandoconfig.output_attentions=True) — Atenciones de SLANetSLAHead en cada paso de predicción, varía hasta un máximo deself.config.max_text_lengthatenciones (dependiendo de las salidas anticipadas).
SLANetBackbone
forward
< source >( hidden_states: Tensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → BaseModelOutputWithNoAttention or tuple(torch.Tensor)
Parámetros
- hidden_states (
torch.Tensor) — entrada de la capa de forma `(batch, seq_len, embed_dim)`
Devuelve
BaseModelOutputWithNoAttention o tuple(torch.Tensor)
Un BaseModelOutputWithNoAttention o una tupla de
torch.Tensor (si se pasa return_dict=False o cuando config.return_dict=False) que comprende varios
elementos según la configuración (SLANetConfig) y las entradas.
El método forward de SLANetBackbone sobrescribe el método especial __call__.
Aunque la receta para la pasada hacia adelante debe definirse dentro de esta función, se debe llamar a la instancia de
Moduledespués en lugar de a esta, ya que la primera se encarga de ejecutar los pasos de pre y postprocesamiento, mientras que la segunda los ignora silenciosamente.
last_hidden_state (
torch.Tensorde forma(batch_size, num_channels, height, width)) — Secuencia de estados ocultos en la salida de la última capa del modelo.hidden_states (
tuple(torch.Tensor), opcional, devuelto cuando se pasaoutput_hidden_states=Trueo cuandoconfig.output_hidden_states=True) — Tupla detorch.Tensor(una para la salida de las incrustaciones, si el modelo tiene una capa de incrustaciones, + una para la salida de cada capa) de forma(batch_size, num_channels, height, width).Estados ocultos del modelo en la salida de cada capa más las salidas opcionales de la incrustación inicial.