# İşleyiciler

## Çok modlu işlemciler[[transformers.ProcessorMixin]]

Herhangi bir çok modlu model, metin, görü ve ses arasında yer alan birkaç modülü gruplayan verileri kodlamak veya çözmek için bir nesne gerektirir. Bu, işleyiciler (processors) olarak adlandırılan nesneler tarafından ele alınır; bu nesneler, tokenizörler (metin modülü için), görüntü işleyiciler (vision için) ve özellik çıkarıcılar (ses için) gibi iki veya daha fazla işleme nesnesini bir araya getirir.

Bu işlemciler, kaydetme ve yükleme işlevselliğini uygulayan aşağıdaki temel sınıftan devralır:

#### transformers.ProcessorMixin[[transformers.ProcessorMixin]]

```python
transformers.ProcessorMixin(*args, **kwargs)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L604)

Bu, tüm işlemci sınıfları için kaydetme/yükleme işlevselliği sağlamak için kullanılan bir karışım (mixin)dir.

#### __call__[[transformers.ProcessorMixin.__call__]]

```python
__call__(images: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor'], NoneType] = None, text: str | list[str] | list[list[str]] | None = None, videos: typing.Union[list['PIL.Image.Image'], numpy.ndarray, ForwardRef('torch.Tensor'), list[numpy.ndarray], list['torch.Tensor'], list[list['PIL.Image.Image']], list[list[numpy.ndarray]], list[list['torch.Tensor']], transformers.video_utils.URL, list[transformers.video_utils.URL], list[list[transformers.video_utils.URL]], transformers.video_utils.Path, list[transformers.video_utils.Path], list[list[transformers.video_utils.Path]], NoneType] = None, audio: typing.Union[numpy.ndarray, ForwardRef('torch.Tensor'), collections.abc.Sequence[numpy.ndarray], collections.abc.Sequence['torch.Tensor'], NoneType] = None, **kwargs: *<class 'transformers.processing_utils.ProcessingKwargs'>)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L670)

**Parametreler:**

images (`Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]]`, *isteğe bağlı*) : Ön işleme tabi tutulacak görüntü. Piksel değerleri 0 ile 255 arasında değişen tek bir görüntü veya görüntü grubu beklenir. Piksel değerleri 0 ile 1 arasında olan görüntüler geçiriliyorsa `do_rescale=False` olarak ayarlayın.

text (`Union[str, list[str], list[list[str]]]`, *isteğe bağlı*) : Kodlanacak dizi veya dizi topluluğu. Her dizi bir metin veya metin listesi (önceden tokenize edilmiş metin) olabilir. Önceden tokenize edilmiş bir girdi geçirirseniz, toplu girdilerle karışıklığı önlemek için `is_split_into_words=True` değerini ayarlayın.

videos (`Union[list[PIL.Image.Image], numpy.ndarray, torch.Tensor, list[numpy.ndarray], list[torch.Tensor], list[list[PIL.Image.Image]], list[list[numpy.ndarray]], list[list[torch.Tensor]], ~video_utils.URL, list[~video_utils.URL], list[list[~video_utils.URL]], ~video_utils.Path, list[~video_utils.Path], list[list[~video_utils.Path]]]`, *isteğe bağlı*) : Ön işleme tabi tutulacak video. Piksel değerleri 0 ile 255 arasında değişen tek bir video veya video grubu beklenir. Piksel değerleri 0 ile 1 arasında olan videoları geçiriyorsanız, `do_rescale=False` olarak ayarlayın.

audio (`Union[numpy.ndarray, torch.Tensor, collections.abc.Sequence[numpy.ndarray], collections.abc.Sequence[torch.Tensor]]`, *isteğe bağlı*) : Hazırlanacak ses veya sesler grubu. Her ses, bir NumPy dizisi veya PyTorch tensörü olabilir. NumPy dizisi/PyTorch tensörü durumunda, her sesin şekli (C, T) olmalıdır; burada C kanal sayısı, T ise sesin örnek uzunluğudur.

return_mm_token_type_ids (`bool`, *kwargs*) : Çok modlu yer tutucu token konumlarını gösteren çok modlu token türü kimliklerini döndürüp döndürmeyeceğini belirtir.

return_text_replacement_offsets (`bool`, *kwargs*) : Her çok modlu yer tutucu ve ikamesi için karakter ofsetlerinin döndürülüp döndürülmemesi.

return_tensors (`str` veya [TensorType](/docs/transformers/v5.23.0/tr/internal/file_utils#transformers.TensorType), *opsiyonel*) : Ayarlanırsa, belirli bir çerçeveye ait tensörleri döndürür. Kabul edilen değerler:  - `'pt'`: PyTorch `torch.Tensor` nesnelerini döndürür. - `'np'`: NumPy `np.ndarray` nesnelerini döndürür.

- ****kwargs** ([ProcessingKwargs](/docs/transformers/v5.23.0/tr/main_classes/processors#transformers.ProcessingKwargs), *opsiyonel*) : Her modalite (metin, görüntüler, videolar, ses) için ek işleme seçenekleri. Modelle ilgili parametreler yukarıda listelenmiştir; desteklenen argümanların tam listesi için TypedDict sınıfına bakın.

#### prepare_inputs_layout[[transformers.ProcessorMixin.prepare_inputs_layout]]

```python
prepare_inputs_layout(images: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor'], NoneType] = None, text: str | list[str] | list[list[str]] | None = None, videos: typing.Union[list['PIL.Image.Image'], numpy.ndarray, ForwardRef('torch.Tensor'), list[numpy.ndarray], list['torch.Tensor'], list[list['PIL.Image.Image']], list[list[numpy.ndarray]], list[list['torch.Tensor']], transformers.video_utils.URL, list[transformers.video_utils.URL], list[list[transformers.video_utils.URL]], transformers.video_utils.Path, list[transformers.video_utils.Path], list[list[transformers.video_utils.Path]], NoneType] = None, audio: typing.Union[numpy.ndarray, ForwardRef('torch.Tensor'), collections.abc.Sequence[numpy.ndarray], collections.abc.Sequence['torch.Tensor'], NoneType] = None, **kwargs: *<class 'transformers.processing_utils.ProcessingKwargs'>)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L737)

İşleme öncesinde girdileri normalize edin ve önceden getirin. Çok modlu işleyiciler için metni bir listeye sarar, URL'ler sağlanırsa uzak görüntüleri ve sesleri getirir ve seslerin doğru şekilde toplulaştırıldığından emin olur. Normalize edilmiş `(images, text, videos, audio)` demetini döndürür.

#### validate_inputs[[transformers.ProcessorMixin.validate_inputs]]

```python
validate_inputs(images: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor'], NoneType] = None, text: str | list[str] | list[list[str]] | None = None, videos: typing.Union[list['PIL.Image.Image'], numpy.ndarray, ForwardRef('torch.Tensor'), list[numpy.ndarray], list['torch.Tensor'], list[list['PIL.Image.Image']], list[list[numpy.ndarray]], list[list['torch.Tensor']], transformers.video_utils.URL, list[transformers.video_utils.URL], list[list[transformers.video_utils.URL]], transformers.video_utils.Path, list[transformers.video_utils.Path], list[list[transformers.video_utils.Path]], NoneType] = None, audio: typing.Union[numpy.ndarray, ForwardRef('torch.Tensor'), collections.abc.Sequence[numpy.ndarray], collections.abc.Sequence['torch.Tensor'], NoneType] = None, **kwargs: *<class 'transformers.processing_utils.ProcessingKwargs'>)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L766)

En az bir girdinin sağlandığını ve kullanılmayan anahtar kelime argümanlarının kullanılmadığını doğrular. Aksi takdirde `ValueError` fırlatır.

İşleyicinin girdi argümanları üzerinde ek doğrulama yapması gerektiğinde geçersiz kılın.

#### get_text_with_replacements[[transformers.ProcessorMixin.get_text_with_replacements]]

```python
get_text_with_replacements(text: list[str], images_replacements: list[str] = [], videos_replacements: list[str] = [], audio_replacements: list[str] = [])
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L890)

**Parametreler:**

text (*list[str]*) : Ham metin dizgilerinden oluşan bir batch, her biri çok modlu yer tutucu jetonlar içerebilir. Not: Yerinde değiştirilecek ve döndürülecektir.

images_replacements (*list[str]*, *opsiyonel*, varsayılan *[]*) : Batch içindeki sıralarına göre her görsel için genişletilmiş değiştirme dizgileri. *self._process_images* tarafından üretilir.

videos_replacements (*list[str]*, *opsiyonel*, varsayılan *[]*) : Her video için genişletilmiş değiştirme dizgileri. *self._process_videos* tarafından üretilir.

audio_replacements (*list[str]*, *opsiyonel*, varsayılan *[]*) : Her ses girdisi için genişletilmiş değiştirme dizgileri. *self._process_audio* tarafından üretilir.

**Dönüş:** *tuple[list[str], list[dict[str, Any]]]*

Şunların bir demeti:
- Tüm yer tutucu jetonlar genişletilmiş, değiştirilmiş *text* partisi.
- *batch_replacement_offsets*: her batch öğesi için bir giriş, her biri
anahtarları olan sözlükler listesi:
- *"type"* (*str*): modallite adı — *"image"*, *"video"* veya *"audio"*
- *"span"* (*tuple[int, int]*): yer tutucu token'ın orijinal *(start, end)* karakter ofsetleri
- *"new_span"* (*tuple[int, int]*): genişletilmiş dizideki yer tutucunun *(start, end)* ofsetleri
- *"text"* (*str*): eşleşen orijinal yer tutucu token dizgesi
- *"replacement"* (*str*): bununla değiştirildiği dize

Bir metin dizgisi grubundaki çok modlu yer tutucu belirteçleri, genişletilmiş temsilleriyle değiştirin ve değiştirilen metinleri ofset meta verileriyle birlikte döndürün.

Bu yöntem, çok modlu girdiler için çekirdek metin tarafı ön işleme adımıdır. Toplumdaki her metni özel jetonları (görsel, video, ses) için tarar ve bunları sırasıyla *self.replace_image_token* / *self.replace_video_token* / *self.replace_audio_token* tarafından üretilen önceden hesaplanmış değiştirme dizgeleriyle değiştirir. Değişiklikler, her modallığın listesinden sıralı olarak tüketilir; bu nedenle örneğin `self.image_token`'in i'inci görünümü `images_replacements[i]` ile değiştirilir.

Yeni bir çok modlu işlemci eklemek ve yer tutucu jetonlar kullanmak için, girdi metnine gömülen ve aynı zamanda yer tutucu olarak kullanılıp birçok kez tekrarlanan jetonla aynı olan doğru *self.image_token*'ı tanımlamanız gerekir. Ardından, *i* indeksindeki belirli bir görüntü için doğru değiştirme dizgesini döndürecek şekilde *self.replace_image_token*'ı geçersiz kılmanız gerekir. Desteklenen diğer tüm modaliteler için de aynı geçerlidir.

#### create_mm_token_type_ids[[transformers.ProcessorMixin.create_mm_token_type_ids]]

```python
create_mm_token_type_ids(input_ids: list)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L995)

**Parametreler:**

input_ids (*list[list[int]]*) : Token kimliği dizileri partiseli. Dolgusuz (değişken uzunluklu) olabileceğinden, bir tensör veya düzgün biçimli dizi yerine düz bir Python listesi listesi beklenir.

**Dönüş:** *list[list[int]]*

`input_ids` ile aynı yapıya sahip bir liste, burada her tamsayı, ilgili jetonun modalite türü kimliğidir.

Bir token_id dizileri grubu için token başına modalite türü kimlikleri oluşturun.

Her konuma, ait olduğu modaliteyi gösteren bir tamsayısı atanır: normal metin için `0`, görüntü jetonları için `1`, video jetonları için `2` ve ses jetonları için `3`. Üyelik, `self.image_token_ids`, `self.video_token_ids` ve `self.audio_token_ids` ile karşılaştırılarak belirlenir.

#### apply_chat_template[[transformers.ProcessorMixin.apply_chat_template]]

```python
apply_chat_template(conversation: list[dict[str, str]] | list[list[dict[str, str]]], chat_template: str | None = None, tools: list[dict] | None = None, documents: list[dict[str, str]] | None = None, add_generation_prompt: bool = False, continue_final_message: bool | str = False, return_assistant_tokens_mask: bool = False, tokenize: bool = False, return_tensors: str | transformers.utils.generic.TensorType | None = 'auto', return_dict: bool = False, load_audio_from_video: bool = False, processor_kwargs: dict | None = None, sanitize_control_tokens: bool = False, **kwargs)
```

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L2310)

**Parametreler:**

conversation (`Union[list[Dict, [str, str]], list[list[dict[str, str]]]]`) : Biçimlendirilecek sohbet.

chat_template (`Optional[str]`, *isteğe bağlı*) : Sohbeti biçimlendirmek için kullanılacak Jinja şablonu. Sağlanmazsa, tokenizer'ın sohbet şablonu kullanılır.

sanitize_control_tokens (`bool`, varsayılan `False`) : Konuşmada, araçlarda, belgelerde ve `**kwargs` olarak geçirilen şablon değişkenlerinde bulunan kontrol jetonlarının, kullanıcı girdisinin bunları yazamaması ve mm yer tutucularını kullanamaması için düz metin olarak kodlanıp kodlanmayacağını belirtir. Tokenizer'ın `apply_chat_template` metoduna bakın. `tokenize=True` gerektirir.

`apply_chat_template` yönteminde olduğu gibi, bu yöntem girdi konuşmalarına bir Jinja şablonu uygulayarak onları tek bir tokenize edilebilir dizeye dönüştürür.

Girdinin aşağıdaki formatta olması beklenir; burada her mesaj içeriği, metin ve isteğe bağlı olarak görüntü veya video girdilerinden oluşan bir listedir. Ayrıca, `return_dict=True` olduğunda `pixel_values` oluşturmak için kullanılacak bir görüntü, video, URL veya yerel yol da sağlanabilir. Sağlanmazsa, yalnızca biçimlendirilmiş metin, isteğe bağlı olarak tokenize edilmiş metin alınır.

conversation = [ { "role": "user", "content": [ {"type": "image", "url": "https://www.ilankelman.org/stopsigns/australia.jpg"}, {"type": "text", "text": "Lütfen bu görseli ayrıntılı olarak açıklayın."}, ], }, ]

### kwargs işleme[[transformers.ProcessingKwargs]]

Processor `__call__` metotları, modaliteye göre organize edilmiş anahtar kelime argümanlarını kabul eder. Aşağıdaki TypedDict sınıfları, her modalite için kullanılabilir anahtar kelime argümanlarını tanımlar. Model-özel işlemciler, alan eklemek veya üzerine yazmak için bu sınıflardan türetilebilir.

#### transformers.ProcessingKwargs[[transformers.ProcessingKwargs]]

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L458)

İşleyicilere (processors) argüman aktarımı için temel sınıf.

Bir modelin, temel sınıfta bulunmayan veya mevcut anahtarlar için varsayılan değerlere sahip belirli kwargs'ları varsa, girdileri işlemek için bu modelin gerektirdiği ek tiplemeli anahtarları sağlamak üzere `ProcessingKwargs`'dan türeyen kendi `ModelProcessorKwargs` sınıfına sahip olmalıdır.

Tip ipuçlarının doğru şekilde yapılabilmesi için yeni anahtarların aşağıdaki gibi tanımlanması gerekir.

```python
class ModelProcessorKwargs(ProcessingKwargs, total=False):
    my_kwarg: float

class ModelProcessor(ProcessorMixin):
    valid_processor_kwargs = ModelProcessorKwargs

    @auto_docstring
    def __call__(self, images: ImageInput | None = None, ..., **kwargs: Unpack[ModelProcessorKwargs]):
        my_kwarg = kwargs.get("my_kwarg")
```

#### transformers.TextKwargs[[transformers.TextKwargs]]

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L179)

**Parametreler:**

add_special_tokens (`bool`, *isteğe bağlı*) : Dizileri kodlarken özel jetonların eklenip eklenmeyeceğini belirtir.

padding (`bool`, `str` veya [PaddingStrategy](/docs/transformers/v5.23.0/tr/internal/file_utils#transformers.utils.PaddingStrategy), *isteğe bağlı*) : Dolguyu etkinleştirir ve kontrol eder.

truncation (`bool`, `str` veya [TruncationStrategy](/docs/transformers/v5.23.0/tr/internal/tokenization_utils#transformers.tokenization_utils_base.TruncationStrategy), *isteğe bağlı*) : Kırpma işlemini etkinleştirir ve kontrol eder.

max_length (`int`, *isteğe bağlı*) : Kesme/doldurma parametrelerinden birinin kullanacağı maksimum uzunluğu kontrol eder.

stride (`int`, *isteğe bağlı*) : Ayarlanırsa, taşan jetonlar kırpılmış dizinin sonundaki bazı jetonları içerecektir.

is_split_into_words (`bool`, *isteğe bağlı*) : Girdinin önceden tokenize edilip edilmediğini belirtir.

pad_to_multiple_of (`int`, *isteğe bağlı*) : Ayarlanırsa, diziyi verilen değerin katına kadar doldurur.

return_token_type_ids (`bool`, *isteğe bağlı*) : Token türü kimliklerini döndürüp döndürmeyeceğini belirtir.

return_attention_mask (`bool`, *isteğe bağlı*) : Dikkat maskesinin (attention mask) döndürülüp döndürülmeyeceği.

return_overflowing_tokens (`bool`, *isteğe bağlı*) : Taşan token dizilerinin döndürülüp döndürülmemesi.

return_special_tokens_mask (`bool`, *isteğe bağlı*) : Özel jeton maskesi bilgisinin döndürülüp döndürülmemeyeceğini belirtir.

return_offsets_mapping (`bool`, *isteğe bağlı*) : Her token için `(char_start, char_end)` döndürülecek mi?

return_length (`bool`, *isteğe bağlı*) : Kodlanmış girdilerin uzunluklarının döndürülüp döndürülmeyeceğini belirtir.

verbose (`bool`, *isteğe bağlı*) : Daha fazla bilgi ve uyarı basılıp basılmayacağı.

padding_side (`str`, *isteğe bağlı*) : Dolgu uygulanacak taraf.

return_mm_token_type_ids (`bool`, *isteğe bağlı*) : Kullanımı durduruldu, bunun yerine `ProcessingKwargs.return_mm_token_type_ids` kullanın. mm yer tutucu token konumlarını gösteren çok modlu token türü kimliklerini döndürüp döndürmeyeceğini belirtir.

return_text_replacement_offsets (`bool`, *isteğe bağlı*) : Kullanımı durduruldu, bunun yerine `ProcessingKwargs.return_text_replacement_offsets` kullanın. Her mm yer tutucusu ve ikamesi için karakter ofsetlerinin döndürülüp döndürülmemesi.

sanitize_control_tokens (`bool`, *isteğe bağlı*) : Metnin `mark_control_tokens` tarafından işaretlenip işaretlenmediğini belirtir: işaretlenen kontrol jetonları düz metin olarak kodlanır ve mm yer tutucuları olarak genişletilmez. `apply_chat_template(..., sanitize_control_tokens=True)` tarafından ayarlanır.

return_tensors (`str` veya [TensorType](/docs/transformers/v5.23.0/tr/internal/file_utils#transformers.TensorType), *isteğe bağlı*) : Ayarlanırsa, belirli bir çerçeveye ait tensörleri döndürür. Kabul edilen değerler şunlardır: - `'pt'`: PyTorch `torch.Tensor` nesnelerini döndürür. - `'np'`: NumPy `np.ndarray` nesnelerini döndürür.

Metin işleme için anahtar kelime argümanları. Genişletilmiş belgeler için, ilişkili tokenization_utils_base yöntemlerini ve dokümantasyon dizelerini inceleyin.

#### transformers.ImagesKwargs[[transformers.ImagesKwargs]]

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L254)

**Parametreler:**

do_convert_rgb (`bool`) : Görselin RGB formatına dönüştürülüp dönüştürülmemesi.

do_resize (`bool`, *isteğe bağlı*) : Görselin yeniden boyutlandırılıp boyutlandırılmayacağını belirtir.

size (`dict[str, int]`, *isteğe bağlı*) : Desteklenen boyut sözlüklerinden biri kullanılarak yeniden boyutlandırma yapılır. Piksel alan sınırları `{"min_pixels": int, "max_pixels": int}` kullanır.

default_to_square (`bool`, *isteğe bağlı*, varsayılan `self.default_to_square`) : Boyut bir int ise yeniden boyutlandırırken kareye varsayılan olarak dönülüp dönülmeyeceğini belirtir.

crop_size (`dict[str, int]`, *isteğe bağlı*) : Merkezden kırpma uygulandığında istenen çıktı boyutu.

resample (`PILImageResampling`, *isteğe bağlı*) : Görsel yeniden boyutlandırılıyorsa kullanılacak yeniden örnekleme filtresi.

do_rescale (`bool`, *isteğe bağlı*) : Görselin belirtilen `rescale_factor` ölçeğine göre yeniden ölçeklendirilip ölçeklendirilmeyeceğini belirtir.

rescale_factor (`int` veya `float`, *isteğe bağlı*) : Görsel yeniden ölçeklendiriliyorsa kullanılacak ölçekleme faktörü.

do_normalize (`bool`, *isteğe bağlı*) : Görselin normalize edilip edilmeyeceğini belirtir.

image_mean (`float` veya `list[float] or tuple[float, float, float]`, *isteğe bağlı*) : Görüntüyü normalize ederken kullanılacak ortalama.

image_std (`float` veya `list[float] or tuple[float, float, float]`, *isteğe bağlı*) : Görseli normalize ederken kullanılacak standart sapma.

do_pad (`bool`, *isteğe bağlı*) : Toplu işlemdeki görsellerin dolgu (padding) uygulanıp uygulanmayacağını belirtir.

pad_size (`dict[str, int]`, *isteğe bağlı*) : Görsellerin boyutlandırılacağı `{"height": int, "width" int}` boyutu.

do_center_crop (`bool`, *isteğe bağlı*) : Görselin merkezden kırpılıp kırpılmayacağını belirtir.

data_format (`ChannelDimension` veya `str`, *isteğe bağlı*) : Çıktı görüntüsü için kanal boyutu biçimi.

input_data_format (`ChannelDimension` veya `str`, *isteğe bağlı*) : Girdi görüntüsü için kanal boyutu biçimi.

device (`Union[str, torch.Tensor]`, *isteğe bağlı*) : İşleme için kullanılacak cihaz (ör. "cpu", "cuda"), yalnızca torchvision backend'i için geçerlidir.

return_tensors (`str` veya [TensorType](/docs/transformers/v5.23.0/tr/internal/file_utils#transformers.TensorType), *isteğe bağlı*) : Ayarlanırsa, belirli bir çerçeveye ait tensörleri döndürür. Kabul edilen değerler şunlardır: - `'pt'`: PyTorch `torch.Tensor` nesnelerini döndürür. - `'np'`: NumPy `np.ndarray` nesnelerini döndürür.

disable_grouping (`bool`, *isteğe bağlı*) : İşleme sırasında görüntülerin şekillerine göre gruplandırılıp gruplandırılmayacağını belirtir, yalnızca torchvision arka ucu için geçerlidir.

image_seq_length (`int`, *isteğe bağlı*) : Girdideki her görüntü için kullanılacak görüntü jetonlarının sayısı. Geriye dönük uyumluluk için eklendi ancak bu, gelecekteki modellerde bir işlemci özniteliği olarak ayarlanmalıdır.

Görüntü işleme için anahtar kelime argümanları. Genişletilmiş belgeler için uygun ImageProcessor sınıfı yöntemlerini ve docstring'lerini kontrol edin.

#### transformers.VideosKwargs[[transformers.VideosKwargs]]

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L328)

**Parametreler:**

do_convert_rgb (`bool`) : Videoyu RGB formatına dönüştürülüp dönüştürülmeyeceğini belirtir.

do_resize (`bool`) : Videoyu yeniden boyutlandırıp boyutlandırmayacağı.

size (`dict[str, int]`, *isteğe bağlı*) : Girdinin daha kısa kenarını `size["shortest_edge"]` boyutuna yeniden boyutlandırır.

default_to_square (`bool`, *isteğe bağlı*, varsayılan `self.default_to_square`) : Boyut bir int ise yeniden boyutlandırırken kareye varsayılan olarak dönülüp dönülmeyeceğini belirtir.

resample (`PILImageResampling`, *isteğe bağlı*) : Video yeniden boyutlandırılıyorsa kullanılacak yeniden örnekleme filtresi.

do_rescale (`bool`, *isteğe bağlı*) : Belirtilen `rescale_factor` ölçeğine göre videoyu yeniden ölçeklendirip ölçeklendirmeyeceğini belirtir.

rescale_factor (`int` veya `float`, *isteğe bağlı*) : Video yeniden ölçeklendiriliyorsa kullanılacak ölçekleme faktörü.

do_normalize (`bool`, *isteğe bağlı*) : Videoyu normalize edip etmeyeceğini belirtir.

image_mean (`float` veya `list[float] or tuple[float, float, float]`, *isteğe bağlı*) : Videoyu normalize ederken kullanılacak ortalama.

image_std (`float` veya `list[float] or tuple[float, float, float]`, *isteğe bağlı*) : Videoyu normalize ederken kullanılacak standart sapma.

do_center_crop (`bool`, *isteğe bağlı*) : Videoyu merkezden kırpıp kırmayacağı.

do_pad (`bool`, *isteğe bağlı*) : Toplu işlemdeki görsellerin dolgu (padding) uygulanıp uygulanmayacağını belirtir.

do_sample_frames (`bool`, *isteğe bağlı*) : İşleme başlamadan önce videodan kare örneklenip örneklenmeyeceği veya videonun tamamının işleneceği.

video_metadata (`Union[VideoMetadata, dict]`, *isteğe bağlı*) : Toplam süre, fps ve toplam kare sayısı hakkında bilgi içeren videonun meta verileri.

num_frames (`int`, *isteğe bağlı*) : `do_sample_frames=True` olduğunda örneklenmesi gereken maksimum kare sayısı.

fps (`int` veya `float`, *isteğe bağlı*) : `do_sample_frames=True` olduğunda saniyede örneklenmesi hedeflenen kare sayısı.

crop_size (`dict[str, int]`, *isteğe bağlı*) : Merkezden kırpma uygulandığında istenen çıktı boyutu.

data_format (`ChannelDimension` veya `str`, *isteğe bağlı*) : Çıktı videosu için kanal boyutu biçimi.

input_data_format (`ChannelDimension` veya `str`, *isteğe bağlı*) : Girdi videosu için kanal boyutu biçimi.

device (`Union[str, torch.Tensor]`, *isteğe bağlı*) : İşleme için kullanılacak cihaz (ör. "cpu", "cuda"), yalnızca hızlı görüntü işleme için geçerlidir.

return_metadata (`bool`, *isteğe bağlı*) : Video meta verilerinin döndürülüp döndürülmemesi.

return_tensors (`str` veya [TensorType](/docs/transformers/v5.23.0/tr/internal/file_utils#transformers.TensorType), *isteğe bağlı*) : Ayarlanırsa, belirli bir çerçeveye ait tensörleri döndürür. Kabul edilen değerler şunlardır: - `'pt'`: PyTorch `torch.Tensor` nesnelerini döndürür. - `'np'`: NumPy `np.ndarray` nesnelerini döndürür.

Video işleme için anahtar kelime argümanları.

#### transformers.AudioKwargs[[transformers.AudioKwargs]]

[Kaynak](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/processing_utils.py#L405)

**Parametreler:**

sampling_rate (`int`, *isteğe bağlı*) : `raw_speech` girdisinin örneklenmiş olduğu örneklem hızı.

raw_speech (`np.ndarray`, `list[float]`, `list[np.ndarray]`, `list[list[float]]`) : Dolgusu yapılacak dizi veya dizi partisi. Her dizi, bir numpy dizisi, bir float değerleri listesi, bir numpy dizileri listesi veya float değerleri listeleri listesi olabilir. Tek kanallı ses olmalıdır, stereo değil; yani her zaman adımı için tek bir float.

padding (`bool`, `str` veya [PaddingStrategy](/docs/transformers/v5.23.0/tr/internal/file_utils#transformers.utils.PaddingStrategy), *isteğe bağlı*) : Dönen dizilerin dolgusunu (modelin dolgu yönüne ve dolgu indeksine göre) aşağıdakilerden birini seçerek yapılandırın: - `True` veya `'longest'`: Batch'teki en uzun diziye kadar doldurun (yalnızca tek bir dizi sağlandıysa dolgu yapılmaz). - `'max_length'`: `max_length` argümanı ile belirtilen maksimum uzunluğa kadar veya bu argüman sağlanmadıysa modelin kabul edebileceği maksimum giriş uzunluğuna kadar doldurun. - `False` veya `'do_not_pad'`

max_length (`int`, *isteğe bağlı*) : Dönen listenin maksimum uzunluğu ve isteğe bağlı dolgu uzunluğu (bkz. yukarıda).

truncation (`bool`, *isteğe bağlı*) : *max_length*'den uzun giriş dizilerini *max_length* değerine kısaltmak için kesme işlemini etkinleştirir.

pad_to_multiple_of (`int`, *isteğe bağlı*) : Ayarlanırsa, diziyi verilen değerin katına kadar doldurur.

return_attention_mask (`bool`, *isteğe bağlı*) : [__call__()](/docs/transformers/v5.23.0/tr/model_doc/audio-spectrogram-transformer#transformers.ASTFeatureExtractor.__call__) `attention_mask` döndürmeli mi?

device (`str` veya `torch.device`, *opsiyonel*) : Ses özelliklerinin hesaplanacağı cihaz (ör. "cpu", "cuda"), yalnızca bu özellikleri torch ile hesaplayan özellik çıkarıcıları için geçerlidir.

return_tensors (`str` veya [TensorType](/docs/transformers/v5.23.0/tr/internal/file_utils#transformers.TensorType), *isteğe bağlı*) : Ayarlanırsa, belirli bir çerçeveye ait tensörleri döndürür. Kabul edilen değerler şunlardır: - `'pt'`: PyTorch `torch.Tensor` nesnelerini döndürür. - `'np'`: NumPy `np.ndarray` nesnelerini döndürür.

load_audio_backend (`str`, *isteğe bağlı*) : `apply_chat_template` içinde URL/yol ile referans verilen sesleri çözmek/örnekleme hızını değiştirmek için `load_audio()` tarafından kullanılan arka uç. `"auto"`, `"torchcodec"`, `"soundfile"`, `"torchaudio"` değerlerinden biri (`"librosa"`, `"soundfile"` için kullanımdan kaldırılmış bir takma addır).

Ses işleme için anahtar kelime argümanları.

