Transformers documentation
SLANet
Mô hình này đã được đóng góp cho Hugging Face Transformers vào ngày 2026-04-22.
SLANet
Tổng quan
SLANet và SLANet_plus là một phần của loạt mô hình nhẹ chuyên dụng cho việc nhận dạng cấu trúc bảng, tập trung vào việc nhận dạng chính xác cấu trúc bảng trong tài liệu và các cảnh tự nhiên. Để biết thêm chi tiết về loạt mô hình SLANet, vui lòng tham khảo tài liệu chính thức.
Kiến trúc Mô hình
SLANet là một mô hình nhận diện cấu trúc bảng do nhóm Thị giác PaddlePaddle của Baidu phát triển. Mô hình cải thiện đáng kể độ chính xác và tốc độ suy luận của việc nhận diện cấu trúc bảng bằng cách áp dụng mạng xương sống nhẹ PP-LCNet thân thiện với CPU, module kết hợp đặc trưng cấp cao và thấp CSP-PAN, cùng module giải mã đặc trưng SLA Head căn chỉnh thông tin cấu trúc và vị trí.
Cách sử dụng
Suy luận với một đầu vào
Ví dụ dưới đây minh họa cách phát hiện văn bản bằng SLANet sử dụng 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
lớp 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 )
Tham số
- post_conv_out_channels (
int, tùy chọn, mặc định là 96) — Số lượng kênh đầu ra cho lớp tích chập sau bộ mã hóa. - out_channels (
int, tuỳ chọn, mặc định là 50) — Kích thước từ vựng cho đầu dự đoán token cấu trúc bảng, tức là số lượng token cấu trúc khác nhau mà mô hình có thể dự đoán. - hidden_size (
int, tùy chọn, mặc định là 256) — Kích thước chiều của các trạng thái ẩn trong tế bào GRU chú ý và các đầu dự đoán cấu trúc/vị trí. - max_text_length (
int, tùy chọn, mặc định là 500) — Số bước giải mã tự hồi quy (token) tối đa cho bộ giải mã cấu trúc và vị trí. - backbone_config (
Union[dict, ~configuration_utils.PreTrainedConfig], tùy chọn) — Cấu hình của mô hình backbone. - hidden_act (
str, tùy chọn, mặc định làhardswish) — Hàm kích hoạt phi tuyến (hàm hoặc chuỗi) trong bộ giải mã. Ví dụ,"gelu","relu","silu", v.v. - csp_kernel_size (
int, tùy chọn, mặc định là 5) — Kích thước kernel của lớp Cross Stage Partial (CSP). - csp_num_blocks (
int, tùy chọn, mặc định là 1) — Số lượng khối bên trong lớp Cross Stage Partial (CSP).
Đây là lớp cấu hình để lưu trữ cấu hình của một SlanetModel. Nó được sử dụng để khởi tạo một mô hình Slanet theo các đối số được chỉ định, xác định kiến trúc của mô hình. Khởi tạo một cấu hình với các giá trị mặc định sẽ tạo ra một cấu hình tương tự như cấu hình của PaddlePaddle/SLANet_plus_safetensors
Các đối tượng cấu hình kế thừa từ PreTrainedConfig và có thể được sử dụng để kiểm soát đầu ra của mô hình. Đọc tài liệu từ PreTrainedConfig để biết thêm thông tin.
SLANetForTableRecognition
lớp transformers.SLANetForTableRecognition
< source >( config: SLANetConfig )
Tham số
- config (SLANetConfig) — Lớp cấu hình mô hình chứa tất cả các tham số của mô hình. Khởi tạo bằng tệp cấu hình không tải trọng số liên quan đến mô hình, chỉ tải cấu hình. Xem phương thức from_pretrained() để tải trọng số của mô hình.
Mô hình nhận dạng bảng SLANet cho các tác vụ nhận dạng bảng. Bao bọc mô hình cốt lõi SLANetPreTrainedModel và trả về các đầu ra tương thích với API nhận dạng bảng của Transformers.
Mô hình này kế thừa từ PreTrainedModel. Xem tài liệu của lớp cha để biết các phương thức chung mà thư viện triển khai cho tất cả các mô hình của nó (chẳng hạn như tải xuống hoặc lưu trữ, thay đổi kích thước các nhúng đầu vào, cắt tỉa các đầu, v.v.)
Mô hình này cũng là một lớp con của torch.nn.Module trong PyTorch. Hãy sử dụng nó như một Module PyTorch thông thường và tham khảo tài liệu PyTorch cho mọi vấn đề liên quan đến cách sử dụng và hành vi chung.
forward
< source >( pixel_values: Tensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → SLANetForTableRecognitionOutput or tuple(torch.Tensor)
Tham số
- pixel_values (
torch.Tensorcó hình dạng(batch_size, num_channels, image_size, image_size)) — Các tensor tương ứng với các hình ảnh đầu vào. Giá trị pixel có thể được lấy bằng cách sử dụng SLANeXtImageProcessor. Xem SLANeXtImageProcessor.call() để biết chi tiết (processor_classsử dụng SLANeXtImageProcessor để xử lý hình ảnh).
Trả về
SLANetForTableRecognitionOutput hoặc tuple(torch.Tensor)
Một SLANetForTableRecognitionOutput hoặc một tuple của
torch.Tensor (nếu return_dict=False được truyền hoặc khi config.return_dict=False) bao gồm các
thành phần khác nhau tùy thuộc vào cấu hình (SLANetConfig) và đầu vào.
Phương thức forward của SLANetForTableRecognition ghi đè lên phương thức đặc biệt __call__.
Mặc dù công thức cho bước truyền tiến cần được định nghĩa bên trong hàm này, người dùng nên gọi instance của
Modulesau đó thay vì gọi hàm này, vì instanceModulesẽ đảm nhận việc thực hiện các bước tiền xử lý và hậu xử lý, trong khi hàm này sẽ lặng lẽ bỏ qua chúng.
last_hidden_state (
torch.Tensorcó hình dạng(batch_size, num_channels, height, width)) — Chuỗi các trạng thái ẩn tại đầu ra của lớp cuối cùng của mô hình.hidden_states (
tuple(torch.Tensor), tuỳ chọn, được trả về khioutput_hidden_states=Trueđược truyền vào hoặc khiconfig.output_hidden_states=True) — Tuple củatorch.Tensor(một cho đầu ra của embeddings, nếu mô hình có lớp embedding, + một cho đầu ra của mỗi lớp) có hình dạng(batch_size, num_channels, height, width).Trạng thái ẩn của mô hình tại đầu ra của mỗi lớp cùng với các đầu ra embedding ban đầu tùy chọn.
head_hidden_states (
tuple(torch.Tensor), tuỳ chọn, được trả về khi truyềnoutput_hidden_states=Truehoặc khiconfig.output_hidden_states=True) — Trạng thái ẩn (hidden-states) của SLANetSLAHead tại mỗi bước dự đoán, thay đổi tối đa lên đếnself.config.max_text_lengthtrạng thái (tùy thuộc vào các điểm thoát sớm).head_attentions (
tuple(torch.Tensor), tuỳ chọn, được trả về khi truyềnoutput_attentions=Truehoặc khiconfig.output_attentions=True) — Các chú ý của SLANetSLAHead ở mỗi bước dự đoán, thay đổi tối đa lên đếnself.config.max_text_lengthchú ý (tùy thuộc vào các lối thoát sớm).
SLANetBackbone
forward
< source >( hidden_states: Tensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → BaseModelOutputWithNoAttention or tuple(torch.Tensor)
Tham số
- hidden_states (
torch.Tensor) — đầu vào của lớp có hình dạng `(batch, seq_len, embed_dim)`
Trả về
BaseModelOutputWithNoAttention hoặc tuple(torch.Tensor)
Một BaseModelOutputWithNoAttention hoặc một tuple của
torch.Tensor (nếu return_dict=False được truyền hoặc khi config.return_dict=False) bao gồm các
thành phần khác nhau tùy thuộc vào cấu hình (SLANetConfig) và đầu vào.
Phương thức forward của SLANetBackbone ghi đè lên phương thức đặc biệt __call__.
Mặc dù công thức cho bước truyền tiến cần được định nghĩa bên trong hàm này, người dùng nên gọi instance của
Modulesau đó thay vì gọi hàm này, vì instanceModulesẽ đảm nhận việc thực hiện các bước tiền xử lý và hậu xử lý, trong khi hàm này sẽ lặng lẽ bỏ qua chúng.
last_hidden_state (
torch.Tensorcó hình dạng(batch_size, num_channels, height, width)) — Chuỗi các trạng thái ẩn tại đầu ra của lớp cuối cùng của mô hình.hidden_states (
tuple(torch.Tensor), tuỳ chọn, được trả về khioutput_hidden_states=Trueđược truyền vào hoặc khiconfig.output_hidden_states=True) — Tuple củatorch.Tensor(một cho đầu ra của embeddings, nếu mô hình có lớp embedding, + một cho đầu ra của mỗi lớp) có hình dạng(batch_size, num_channels, height, width).Trạng thái ẩn của mô hình tại đầu ra của mỗi lớp cùng với các đầu ra embedding ban đầu tùy chọn.