Transformers documentation
SLANet
Эта модель была добавлена в Hugging Face Transformers 22.04.2026.
SLANet
Обзор
SLANet и SLANet_plus входят в серию специализированных лёгких моделей для распознавания структуры таблиц, ориентированных на точное определение структуры таблиц в документах и естественных сценах. Дополнительные сведения о серии моделей SLANet приведены в официальной документации.
Архитектура модели
SLANet — это модель распознавания структуры таблиц, разработанная командой Baidu PaddlePaddle Vision Team. Модель значительно повышает точность и скорость инференса при распознавании структуры таблиц за счёт использования лёгкого бэкбон-сетевого PP-LCNet, оптимизированного для CPU, модуля CSP-PAN для слияния признаков низкого и высокого уровней, а также модуля декодирования признаков SLA Head, который согласует структурную и позиционную информацию.
Использование
Вывод для одного входа
Приведённый ниже пример показывает, как обнаруживать текст с помощью SLANet, используя 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
класс 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 )
Параметры
- post_conv_out_channels (
int, необязательный, по умолчанию 96) — Количество выходных каналов для слоя свёртки после энкодера. - out_channels (
int, необязательный, по умолчанию 50) — Размер словаря для головы предсказания токенов структуры таблицы, то есть количество различных токенов структуры, которые может предсказать модель. - hidden_size (
int, необязательный, по умолчанию 256) — Размерность скрытых состояний в ячейке внимания GRU и в головах предсказания структуры/локации. - max_text_length (
int, необязательный, по умолчанию 500) — Максимальное количество шагов авторегрессионного декодирования (токенов) для декодера структуры и расположения. - backbone_config (
Union[dict, ~configuration_utils.PreTrainedConfig], необязательный) — Конфигурация модели-бэкбона. - hidden_act (
str, необязательный, по умолчаниюhardswish) — Нелинейная функция активации (функция или строка) в декодере. Например,"gelu","relu","silu"и т. д. - csp_kernel_size (
int, необязательный, по умолчанию 5) — Размер ядра слоя Cross Stage Partial (CSP). - csp_num_blocks (
int, необязательный, по умолчанию 1) — Количество блоков внутри слоя Cross Stage Partial (CSP).
Это класс конфигурации для хранения настроек модели SlanetModel. Он используется для создания модели Slanet в соответствии с указанными аргументами, определяя архитектуру модели. Создание конфигурации с параметрами по умолчанию даст конфигурацию, аналогичную конфигурации PaddlePaddle/SLANet_plus_safetensors
Объекты конфигурации наследуются от PreTrainedConfig и могут использоваться для управления выводами модели. Подробнее читайте в документации PreTrainedConfig.
SLANetForTableRecognition
класс transformers.SLANetForTableRecognition
< source >( config: SLANetConfig )
Параметры
- config (SLANetConfig) — Класс конфигурации модели, содержащий все параметры модели. Инициализация с помощью файла конфигурации не загружает веса, связанные с моделью, а только конфигурацию. Используйте метод from_pretrained() для загрузки весов модели.
Модель распознавания таблиц SLANet для задач распознавания таблиц. Оборачивает базовую модель SLANetPreTrainedModel и возвращает выходные данные, совместимые с API распознавания таблиц Transformers.
Эта модель наследуется от PreTrainedModel. См. документацию родительского класса для общих методов, которые библиотека реализует для всех своих моделей (например, загрузка или сохранение, изменение размера входных эмбеддингов, обрезка голов и т. д.)
Эта модель также является подклассом torch.nn.Module в PyTorch. Используйте её как обычный модуль PyTorch и обращайтесь к документации PyTorch по всем вопросам, связанным с общим использованием и поведением.
forward
< source >( pixel_values: Tensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → SLANetForTableRecognitionOutput or tuple(torch.Tensor)
Параметры
- pixel_values (
torch.Tensorформы(batch_size, num_channels, image_size, image_size)) — Тензоры, соответствующие входным изображениям. Значения пикселей можно получить с помощью SLANeXtImageProcessor. Подробности см. в SLANeXtImageProcessor.call() (processor_classиспользует SLANeXtImageProcessor для обработки изображений).
Возвращает
SLANetForTableRecognitionOutput или tuple(torch.Tensor)
SLANetForTableRecognitionOutput или кортеж из
torch.Tensor (если передано return_dict=False или если config.return_dict=False), содержащий различные
элементы в зависимости от конфигурации (SLANetConfig) и входных данных.
Метод forward класса SLANetForTableRecognition переопределяет специальный метод __call__.
Хотя рецепт для прямого прохода должен быть определён внутри этой функции, после этого следует вызывать экземпляр
Module, а не эту функцию, поскольку первый вариант обеспечивает выполнение шагов предварительной и последующей обработки, тогда как второй молча их игнорирует.
last_hidden_state (
torch.Tensorформы(batch_size, num_channels, height, width)) — Последовательность скрытых состояний на выходе последнего слоя модели.hidden_states (
tuple(torch.Tensor), необязательный, возвращается, если переданоoutput_hidden_states=Trueили еслиconfig.output_hidden_states=True) — Кортеж изtorch.Tensor(один для вывода слоя встраиваний, если модель имеет слой встраиваний, + один для вывода каждого слоя) формы(batch_size, num_channels, height, width).Скрытые состояния модели на выходе каждого слоя, а также необязательные выходные значения начального слоя встраивания.
head_hidden_states (
tuple(torch.Tensor), необязательный, возвращается при передачеoutput_hidden_states=Trueили приconfig.output_hidden_states=True) — Скрытые состояния SLANetSLAHead на каждом шаге предсказания, количество которых варьируется доself.config.max_text_lengthсостояний (в зависимости от ранних выходов).head_attentions (
tuple(torch.Tensor), необязательный, возвращается при передачеoutput_attentions=Trueили приconfig.output_attentions=True) — Веса внимания SLANetSLAHead на каждом шаге предсказания, количество которых варьируется доself.config.max_text_length(в зависимости от ранних выходов).
SLANetBackbone
forward
< source >( hidden_states: Tensor**kwargs: *<class 'transformers.utils.generic.TransformersKwargs'> ) → BaseModelOutputWithNoAttention or tuple(torch.Tensor)
Параметры
- hidden_states (
torch.Tensor) — вход в слой формы `(batch, seq_len, embed_dim)`
Возвращает
BaseModelOutputWithNoAttention или tuple(torch.Tensor)
BaseModelOutputWithNoAttention или кортеж из
torch.Tensor (если передано return_dict=False или если config.return_dict=False), содержащий различные
элементы в зависимости от конфигурации (SLANetConfig) и входных данных.
Метод forward класса SLANetBackbone переопределяет специальный метод __call__.
Хотя рецепт для прямого прохода должен быть определён внутри этой функции, после этого следует вызывать экземпляр
Module, а не эту функцию, поскольку первый вариант обеспечивает выполнение шагов предварительной и последующей обработки, тогда как второй молча их игнорирует.
last_hidden_state (
torch.Tensorформы(batch_size, num_channels, height, width)) — Последовательность скрытых состояний на выходе последнего слоя модели.hidden_states (
tuple(torch.Tensor), необязательный, возвращается, если переданоoutput_hidden_states=Trueили еслиconfig.output_hidden_states=True) — Кортеж изtorch.Tensor(один для вывода слоя встраиваний, если модель имеет слой встраиваний, + один для вывода каждого слоя) формы(batch_size, num_channels, height, width).Скрытые состояния модели на выходе каждого слоя, а также необязательные выходные значения начального слоя встраивания.