引數

• images (ImageInput) — 待預處理的影像。需要單個或一批畫素值在 0 到 255 範圍內的影像。如果傳入的影像畫素值在 0 到 1 之間，請設定 do_rescale=False。
• do_pad (bool, 可選, 預設為 self.do_pad) — 是否對輸入影像進行填充。
• do_rescale (bool, 可選, 預設為 self.do_rescale) — 是否將影像值重新縮放到 [0 - 1] 之間。
• rescale_factor (float, 可選, 預設為 self.rescale_factor) — 如果 do_rescale 設定為 True，則用於重新縮放影像的因子。
• do_normalize (bool, 可選, 預設為 self.do_normalize) — 是否對影像進行歸一化。
• image_mean (float 或 list[float], 可選, 預設為 self.image_mean) — 影像均值。
• image_std (float 或 list[float], 可選, 預設為 self.image_std) — 影像標準差。
• do_resize (bool, 可選, 預設為 self.do_resize) — 是否調整影像大小。
• size (dict[str, int], 可選, 預設為 self.size) — 調整大小後圖像的尺寸。如果 keep_aspect_ratio 為 True，則透過選擇高度和寬度縮放因子中較小的一個，並將其用於兩個維度來調整影像大小。如果還設定了 ensure_multiple_of，則影像將進一步調整為該值的倍數。
• keep_aspect_ratio (bool, 可選, 預設為 self.keep_aspect_ratio) — 如果為 True 且 do_resize=True，則透過選擇高度和寬度縮放因子中較小的一個，並將其用於兩個維度來調整影像大小。這確保了影像在儘可能少地縮小的同時仍能適應期望的輸出尺寸。如果還設定了 ensure_multiple_of，則透過將高度和寬度向下取整到該值的最近倍數，進一步將影像調整為該值的倍數。
• ensure_multiple_of (int, 可選, 預設為 self.ensure_multiple_of) — 如果 do_resize 為 True，則將影像大小調整為此值的倍數。透過將高度和寬度向下取整到該值的最近倍數來實現。

  無論 keep_aspect_ratio 是否設定為 True，此引數都有效。可在 preprocess 中透過 ensure_multiple_of 引數覆蓋。

• resample (int, 可選, 預設為 self.resample) — 調整影像大小時使用的重取樣濾波器。可以是 PILImageResampling 列舉之一，僅在 do_resize 設定為 True 時生效。
• return_tensors (str 或 TensorType, 可選) — 要返回的張量型別。可以是以下之一：
  • 未設定：返回一個 np.ndarray 列表。
  • TensorType.TENSORFLOW 或 'tf'：返回一個 tf.Tensor 型別的批次。
  • TensorType.PYTORCH 或 'pt'：返回一個 torch.Tensor 型別的批次。
  • TensorType.NUMPY 或 'np'：返回一個 np.ndarray 型別的批次。
  • TensorType.JAX 或 'jax'：返回一個 jax.numpy.ndarray 型別的批次。
• data_format (ChannelDimension 或 str, 可選, 預設為 ChannelDimension.FIRST) — 輸出影像的通道維度格式。可以是以下之一：
  • ChannelDimension.FIRST：影像格式為 (num_channels, height, width)。
  • ChannelDimension.LAST：影像格式為 (height, width, num_channels)。
• input_data_format (ChannelDimension 或 str, 可選) — 輸入影像的通道維度格式。如果未設定，將從輸入影像中推斷通道維度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：影像格式為 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST：影像格式為 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE：影像格式為 (height, width)。

引數

• images (Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor']]) — 待預處理的影像。需要單個或一批畫素值在 0 到 255 範圍內的影像。如果傳入的影像畫素值在 0 到 1 之間，請設定 do_rescale=False。
• do_resize (bool, 可選) — 是否調整影像大小。
• size (dict[str, int], 可選) — 描述模型的最大輸入尺寸。
• default_to_square (bool, 可選) — 在調整大小時，如果尺寸是整數，是否預設為方形影像。
• resample (Union[PILImageResampling, F.InterpolationMode, NoneType]) — 調整影像大小時使用的重取樣濾波器。可以是 PILImageResampling 列舉之一。僅在 do_resize 設定為 True 時生效。
• do_center_crop (bool, 可選) — 是否對影像進行中心裁剪。
• crop_size (dict[str, int], 可選) — 應用 center_crop 後輸出影像的尺寸。
• do_rescale (bool, 可選) — 是否重新縮放影像。
• rescale_factor (Union[int, float, NoneType]) — 如果 do_rescale 設定為 True，則用於重新縮放影像的因子。
• do_normalize (bool, 可選) — 是否對影像進行歸一化。
• image_mean (Union[float, list[float], NoneType]) — 用於歸一化的影像均值。僅在 do_normalize 設定為 True 時生效。
• image_std (Union[float, list[float], NoneType]) — 用於歸一化的影像標準差。僅在 do_normalize 設定為 True 時生效。
• do_convert_rgb (bool, 可選) — 是否將影像轉換為 RGB。
• return_tensors (Union[str, ~utils.generic.TensorType, NoneType]) — 如果設定為 `pt`，則返回堆疊的張量，否則返回張量列表。
• data_format (~image_utils.ChannelDimension, 可選) — 僅支援 ChannelDimension.FIRST。為與慢速處理器相容而新增。
• input_data_format (Union[str, ~image_utils.ChannelDimension, NoneType]) — 輸入影像的通道維度格式。如果未設定，將從輸入影像中推斷通道維度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：影像格式為 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST：影像格式為 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE：影像格式為 (height, width)。
• device (torch.device, 可選) — 處理影像的裝置。如果未設定，將從輸入影像中推斷裝置。
• disable_grouping (bool, 可選) — 是否停用按尺寸分組影像，以便單獨處理而不是分批處理。如果為 None，則如果影像在 CPU 上，則設定為 True，否則設定為 False。此選擇基於經驗觀察，詳見此處：https://github.com/huggingface/transformers/pull/38157
• do_pad (bool, 可選, 預設為 True) — 是否對輸入應用填充。
• keep_aspect_ratio (bool, 可選, 預設為 True) — 如果為 True，則透過選擇高度和寬度縮放因子中較小的一個，並將其用於兩個維度來調整影像大小。這確保了影像在縮小的同時儘可能少地失真，並且仍然能適應期望的輸出尺寸。如果同時設定了 ensure_multiple_of，影像將進一步調整大小，使其尺寸是該值的倍數，方法是將高度和寬度向下取整到最接近該值的倍數。該引數可在 preprocess 中被 keep_aspect_ratio 覆蓋。
• ensure_multiple_of (int, 可選, 預設為 32) — 如果 do_resize 為 True，則影像將被調整為該值的倍數。其工作原理是將高度和寬度向下取整到最接近該值的倍數。無論 keep_aspect_ratio 是否設定為 True，此引數都有效。該引數可在 preprocess 中被 ensure_multiple_of 覆蓋。

• data (dict) — 由 call 方法返回的列表/陣列/張量字典（“pixel_values”等）。
• tensor_type (Union[None, str, TensorType], 可選) — 您可以在此處提供一個`tensor_type`，以便在初始化時將整數列表轉換為PyTorch/TensorFlow/Numpy張量。

引數

• pixel_values (torch.FloatTensor，形狀為 (batch_size, num_channels, image_size, image_size)) — 與輸入影像對應的張量。畫素值可以使用 {image_processor_class} 獲得。有關詳細資訊，請參閱 {image_processor_class}.__call__（{processor_class} 使用 {image_processor_class} 來處理影像）。
• labels (torch.LongTensor，形狀為 (batch_size, height, width), 可選) — 用於計算損失的真實深度估計圖。
• output_attentions (bool, 可選) — 是否返回所有注意力層的注意力張量。有關更多詳細資訊，請參閱返回張量下的 attentions。
• output_hidden_states (bool, 可選) — 是否返回所有層的隱藏狀態。有關更多詳細資訊，請參閱返回張量下的 hidden_states。
• return_dict (bool, 可選) — 是否返回一個 ModelOutput 而不是一個普通的元組。

一個 transformers.modeling_outputs.DepthEstimatorOutput 或一個 torch.FloatTensor 的元組（如果傳遞了 return_dict=False 或 config.return_dict=False），包含根據配置（ZoeDepthConfig）和輸入的不同元素。

• loss (形狀為 (1,) 的 torch.FloatTensor，可選，當提供 labels 時返回) — 分類損失（如果 config.num_labels==1，則為迴歸損失）。

• predicted_depth (torch.FloatTensor，形狀為 (batch_size, height, width)) — 每個畫素的預測深度。

• hidden_states (tuple(torch.FloatTensor), 可選, 當傳遞 output_hidden_states=True 或 config.output_hidden_states=True 時返回) — torch.FloatTensor 的元組（如果模型有嵌入層，則一個用於嵌入層的輸出，另外每個層一個輸出），形狀為 (batch_size, num_channels, height, width)。

  模型在每個層輸出的隱藏狀態以及可選的初始嵌入輸出。

• attentions (tuple(torch.FloatTensor), 可選, 當傳遞 output_attentions=True 或 config.output_attentions=True 時返回) — torch.FloatTensor 的元組（每層一個），形狀為 (batch_size, num_heads, patch_size, sequence_length)。

  注意力 softmax 後的注意力權重，用於計算自注意力頭中的加權平均值。