Hugging Face's logo

Transformers documentation

SLANet

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v5.22.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Model ini disumbangkan ke Hugging Face Transformers pada 2026-04-22.

SLANet

Ikhtisar

SLANet dan SLANet_plus merupakan bagian dari rangkaian model ringan khusus untuk pengenalan struktur tabel, dengan fokus pada pengenalan struktur tabel secara akurat dalam dokumen dan adegan alami. Untuk detail lebih lanjut tentang model seri SLANet, silakan merujuk ke dokumentasi resmi.

Arsitektur Model

SLANet adalah model pengenalan struktur tabel yang dikembangkan oleh Baidu PaddlePaddle Vision Team. Model ini secara signifikan meningkatkan akurasi dan kecepatan inferensi pengenalan struktur tabel dengan mengadopsi jaringan backbone ringan yang ramah CPU, yaitu PP-LCNet, modul fusi fitur tingkat tinggi-rendah CSP-PAN, serta modul decoding fitur SLA Head yang menyelaraskan informasi struktural dan posisional.

Penggunaan

Inferensi input tunggal

Contoh di bawah ini menunjukkan cara mendeteksi teks dengan SLANet menggunakan AutoModel.

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

kelas transformers.SLANetConfig

< >

( 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 )

Parameter

  • post_conv_out_channels (int, opsional, default 96) — Jumlah channel output untuk lapisan konvolusi pasca-encoder.
  • out_channels (int, opsional, default 50) — Ukuran kosakata untuk head prediksi token struktur tabel, yaitu jumlah token struktur berbeda yang dapat diprediksi oleh model.
  • hidden_size (int, opsional, default 256) — Dimensi dari hidden states pada sel attention GRU dan head prediksi struktur/lokasi.
  • max_text_length (int, opsional, default 500) — Jumlah maksimum langkah decoding autoregresif (token) untuk decoder struktur dan lokasi.
  • backbone_config (Union[dict, ~configuration_utils.PreTrainedConfig], opsional) — Konfigurasi dari model backbone.
  • hidden_act (str, opsional, defaultnya hardswish) — Fungsi aktivasi non-linear (fungsi atau string) di decoder. Misalnya, "gelu", "relu", "silu", dan sebagainya.
  • csp_kernel_size (int, opsional, default 5) — Ukuran kernel dari lapisan Cross Stage Partial (CSP).
  • csp_num_blocks (int, opsional, default 1) — Jumlah blok di dalam lapisan Cross Stage Partial (CSP).

Ini adalah kelas konfigurasi untuk menyimpan konfigurasi dari SlanetModel. Kelas ini digunakan untuk menginstansiasi model Slanet berdasarkan argumen yang ditentukan, sehingga mendefinisikan arsitektur model. Menginstansiasi konfigurasi dengan nilai bawaan akan menghasilkan konfigurasi yang serupa dengan konfigurasi dari PaddlePaddle/SLANet_plus_safetensors

Objek konfigurasi mewarisi dari PreTrainedConfig dan dapat digunakan untuk mengontrol output model. Baca dokumentasi dari PreTrainedConfig untuk informasi lebih lanjut.

SLANetForTableRecognition

kelas transformers.SLANetForTableRecognition

< >

( config: SLANetConfig )

Parameter

  • config (SLANetConfig) — Kelas konfigurasi model dengan semua parameter model. Inisialisasi dengan file konfigurasi tidak memuat bobot yang terkait dengan model, hanya konfigurasinya. Lihat metode from_pretrained() untuk memuat bobot model.

Model pengenalan tabel SLANet untuk tugas pengenalan tabel. Membungkus inti SLANetPreTrainedModel dan mengembalikan output yang kompatibel dengan API pengenalan tabel Transformers.

Model ini mewarisi dari PreTrainedModel. Periksa dokumentasi kelas induk untuk metode generik yang diimplementasikan oleh pustaka untuk semua model (seperti mengunduh atau menyimpan, mengubah ukuran embedding input, memangkas kepala, dll.)

Model ini juga merupakan subclass dari torch.nn.Module PyTorch. Gunakan sebagai PyTorch Module biasa dan merujuk ke dokumentasi PyTorch untuk semua hal yang berkaitan dengan penggunaan dan perilaku umum.

forward

< >

( pixel_values: FloatTensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → SLANetForTableRecognitionOutput or tuple(torch.FloatTensor)

Parameter

Mengembalikan

SLANetForTableRecognitionOutput atau tuple(torch.FloatTensor)

SLANetForTableRecognitionOutput atau tuple dari torch.FloatTensor (jika return_dict=False diteruskan atau ketika config.return_dict=False) yang terdiri dari berbagai elemen tergantung pada konfigurasi (SLANetConfig) dan input.

Metode forward dari SLANetForTableRecognition menimpa metode khusus __call__.

Meskipun resep untuk forward pass perlu didefinisikan di dalam fungsi ini, sebaiknya panggil instance Module setelahnya alih-alih fungsi ini, karena yang pertama menangani langkah-langkah pra-pemrosesan dan pasca-pemrosesan, sedangkan yang kedua mengabaikannya secara diam-diam.

  • last_hidden_state (torch.FloatTensor dengan bentuk (batch_size, num_channels, height, width)) — Urutan hidden-state pada keluaran lapisan terakhir model.

  • hidden_states (tuple(torch.FloatTensor), opsional, dikembalikan saat output_hidden_states=True dilewatkan atau saat config.output_hidden_states=True) — Tuple dari torch.FloatTensor (satu untuk output dari embeddings, jika model memiliki lapisan embedding, + satu untuk output dari setiap lapisan) dengan bentuk (batch_size, num_channels, height, width).

    Hidden-states model pada output setiap layer ditambah output embedding awal yang opsional.

  • head_hidden_states (tuple(torch.FloatTensor), opsional, dikembalikan saat output_hidden_states=True diteruskan atau saat config.output_hidden_states=True) — Hidden-states dari SLANetSLAHead pada setiap langkah prediksi, bervariasi hingga maksimal self.config.max_text_length state (tergantung pada early exits).

  • head_attentions (tuple(torch.FloatTensor), opsional, dikembalikan ketika output_attentions=True dilewatkan atau ketika config.output_attentions=True) — Atensi dari SLANetSLAHead pada setiap langkah prediksi, bervariasi hingga maksimal self.config.max_text_length atensi (tergantung pada early exits).

SLANetBackbone

kelas transformers.SLANetBackbone

< >

( config: SLANetConfig )

forward

< >

( hidden_states: FloatTensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → BaseModelOutputWithNoAttention or tuple(torch.FloatTensor)

Parameter

  • hidden_states (torch.FloatTensor) — input ke layer dengan bentuk `(batch, seq_len, embed_dim)`

Mengembalikan

BaseModelOutputWithNoAttention atau tuple(torch.FloatTensor)

BaseModelOutputWithNoAttention atau tuple dari torch.FloatTensor (jika return_dict=False diteruskan atau ketika config.return_dict=False) yang terdiri dari berbagai elemen tergantung pada konfigurasi (SLANetConfig) dan input.

Metode forward dari SLANetBackbone menimpa metode khusus __call__.

Meskipun resep untuk forward pass perlu didefinisikan di dalam fungsi ini, sebaiknya panggil instance Module setelahnya alih-alih fungsi ini, karena yang pertama menangani langkah-langkah pra-pemrosesan dan pasca-pemrosesan, sedangkan yang kedua mengabaikannya secara diam-diam.

  • last_hidden_state (torch.FloatTensor dengan bentuk (batch_size, num_channels, height, width)) — Urutan hidden-state pada keluaran lapisan terakhir model.

  • hidden_states (tuple(torch.FloatTensor), opsional, dikembalikan saat output_hidden_states=True dilewatkan atau saat config.output_hidden_states=True) — Tuple dari torch.FloatTensor (satu untuk output dari embeddings, jika model memiliki lapisan embedding, + satu untuk output dari setiap lapisan) dengan bentuk (batch_size, num_channels, height, width).

    Hidden-states model pada output setiap layer ditambah output embedding awal yang opsional.

SLANetSLAHead

kelas transformers.SLANetSLAHead

< >

( config: dict | None = None**kwargs )

Update on GitHub

←SigLIP2 SLANeXt→