# 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](https://www.paddleocr.ai/latest/en/version3.x/module_usage/table_structure_recognition.html).

## 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](/docs/transformers/main/vi/model_doc/auto#transformers.AutoModel).

```python
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[[transformers.SLANetConfig]]

#### transformers.SLANetConfig[[transformers.SLANetConfig]]

```python
transformers.SLANetConfig(transformers_version: str | None = None, architectures: list[str] | None = None, output_hidden_states: bool | None = False, return_dict: bool | None = True, dtype: str | torch.dtype | None = None, chunk_size_feed_forward: int = 0, is_encoder_decoder: bool = False, id2label: dict[int, str] | dict[str, str] | None = None, label2id: dict[str, int] | dict[str, str] | None = None, problem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = None, post_conv_out_channels: int = 96, out_channels: int = 50, hidden_size: int = 256, max_text_length: int = 500, backbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = None, hidden_act: str = 'hardswish', csp_kernel_size: int = 5, csp_num_blocks: int = 1)
```

[Nguồn](https://github.com/huggingface/transformers/blob/main/src/transformers/models/slanet/configuration_slanet.py#L31)

**Tham số:**

post_conv_out_channels (`int`, *tuỳ 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 riêng biệt mà mô hình có thể dự đoán.

hidden_size (`int`, *optional*, mặc định là 256) : Độ 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`, *tuỳ 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 là `hardswish`) : Hàm kích hoạt phi tuyến (hàm hoặc chuỗi) trong bộ giải mã. Ví dụ, `"gelu"`, `"relu"`, `"silu"`, v.v.

csp_kernel_size (`int`, *tuỳ chọn*, mặc định là 5) : Kích thước kernel của lớp Cross Stage Partial (CSP).

csp_num_blocks (`int`, *tuỳ 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](https://huggingface.co/PaddlePaddle/SLANet_plus_safetensors)

Các đối tượng cấu hình kế thừa từ [PreTrainedConfig](/docs/transformers/main/vi/main_classes/configuration#transformers.PreTrainedConfig) và có thể được sử dụng để kiểm soát đầu ra của mô hình. Đọc tài liệu từ [PreTrainedConfig](/docs/transformers/main/vi/main_classes/configuration#transformers.PreTrainedConfig) để biết thêm thông tin.

## SLANetForTableRecognition[[transformers.SLANetForTableRecognition]]

#### transformers.SLANetForTableRecognition[[transformers.SLANetForTableRecognition]]

```python
transformers.SLANetForTableRecognition(config: SLANetConfig)
```

[Nguồn](https://github.com/huggingface/transformers/blob/main/src/transformers/models/slanet/modeling_slanet.py#L455)

**Tham số:**

config ([SLANetConfig](/docs/transformers/main/vi/model_doc/slanet#transformers.SLANetConfig)) : Lớp cấu hình mô hình chứa tất cả các tham số của mô hình. Khởi tạo bằng tệp cấu hình sẽ không tải trọng số liên quan đến mô hình, chỉ tải cấu hình. Xem phương thức [from_pretrained()](/docs/transformers/main/vi/main_classes/model#transformers.PreTrainedModel.from_pretrained) để tải trọng số 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](/docs/transformers/main/vi/main_classes/model#transformers.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 ra, v.v.)

Mô hình này cũng là một lớp con của [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#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[[transformers.SLANetForTableRecognition.forward]]

```python
forward(pixel_values: Tensor, **kwargs: *<class 'transformers.utils.generic.TransformersKwargs'>)
```

[Nguồn](https://github.com/huggingface/transformers/blob/main/src/transformers/models/slanet/modeling_slanet.py#L464)

**Tham số:**

pixel_values (`torch.Tensor` có shape `(batch_size, num_channels, image_size, image_size)`) : Các tensor tương ứng với các ảnh đầu vào. Giá trị pixel có thể được lấy bằng [SLANeXtImageProcessor](/docs/transformers/main/vi/model_doc/slanext#transformers.SLANeXtImageProcessor). Xem [SLANeXtImageProcessor.__call__()](/docs/transformers/main/vi/model_doc/molmo2#transformers.Molmo2ImageProcessor.__call__) để biết chi tiết (`processor_class` sử dụng [SLANeXtImageProcessor](/docs/transformers/main/vi/model_doc/slanext#transformers.SLANeXtImageProcessor) để xử lý 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 phần tử khác nhau tùy thuộc vào cấu hình ([SLANetConfig](/docs/transformers/main/vi/model_doc/slanet#transformers.SLANetConfig)) và đầu vào.

Phương thức forward của [SLANetForTableRecognition](/docs/transformers/main/vi/model_doc/slanet#transformers.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, bạn nên gọi instance của `Module` sau đó thay vì gọi hàm này, vì instance `Module` sẽ đảm nhận việc thực hiện các bước tiền xử lý và hậu xử lý, trong khi hàm này sẽ bỏ qua chúng một cách im lặng.

- **last_hidden_state** (`torch.Tensor` có 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 khi `output_hidden_states=True` được truyền vào hoặc khi `config.output_hidden_states=True`) -- Bộ tuple của `torch.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 truyền `output_hidden_states=True` hoặc khi `config.output_hidden_states=True`) -- Hidden-states của SLANetSLAHead tại mỗi bước dự đoán, có thể thay đổi lên đến tối đa `self.config.max_text_length` states (tùy thuộc vào early exits).
- **head_attentions** (`tuple(torch.Tensor)`, *tuỳ chọn*, được trả về khi truyền `output_attentions=True` hoặc khi `config.output_attentions=True`) -- Các chú ý của SLANetSLAHead ở mỗi bước dự đoán, có thể thay đổi lên đến tối đa `self.config.max_text_length` chú ý (tùy thuộc vào các lối thoát sớm).

## SLANetBackbone[[transformers.SLANetBackbone]]

#### transformers.SLANetBackbone[[transformers.SLANetBackbone]]

```python
transformers.SLANetBackbone(config: SLANetConfig)
```

[Nguồn](https://github.com/huggingface/transformers/blob/main/src/transformers/models/slanet/modeling_slanet.py#L428)

#### forward[[transformers.SLANetBackbone.forward]]

```python
forward(hidden_states: Tensor, **kwargs: *<class 'transformers.utils.generic.TransformersKwargs'>)
```

[Nguồn](https://github.com/huggingface/transformers/blob/main/src/transformers/models/slanet/modeling_slanet.py#L436)

**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 phần tử khác nhau tùy thuộc vào cấu hình ([SLANetConfig](/docs/transformers/main/vi/model_doc/slanet#transformers.SLANetConfig)) và đầu vào.

Phương thức forward của [SLANetBackbone](/docs/transformers/main/vi/model_doc/slanet#transformers.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, bạn nên gọi instance của `Module` sau đó thay vì gọi hàm này, vì instance `Module` sẽ đảm nhận việc thực hiện các bước tiền xử lý và hậu xử lý, trong khi hàm này sẽ bỏ qua chúng một cách im lặng.

- **last_hidden_state** (`torch.Tensor` có 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 khi `output_hidden_states=True` được truyền vào hoặc khi `config.output_hidden_states=True`) -- Bộ tuple của `torch.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.

## SLANetSLAHead[[transformers.SLANetSLAHead]]

#### transformers.SLANetSLAHead[[transformers.SLANetSLAHead]]

```python
transformers.SLANetSLAHead(config: dict | None = None, **kwargs)
```

[Nguồn](https://github.com/huggingface/transformers/blob/main/src/transformers/models/slanet/modeling_slanet.py#L138)