# FocalNet

## نظرة عامة

قُدِّم نموذج FocalNet في [Focal Modulation Networks](https://huggingface.co/papers/2203.11926) من قِبل Jianwei Yang وChunyuan Li وXiyang Dai وLu Yuan وJianfeng Gao. تحل نماذج FocalNet محل الانتباه الذاتي (المستخدم في نماذج مثل [ViT](vit) و[Swin](swin)) بالكامل عبر آلية تعديل بؤرية لنمذجة تفاعلات الرموز في الرؤية. يدّعي المؤلفون أن نماذج FocalNet تتفوق على النماذج القائمة على الانتباه الذاتي بتكاليف حسابية مماثلة في مهام تصنيف الصور، وكشف الأشياء، والتجزئة.

المستخلص من الورقة البحثية هو كالتالي:

*نقترح شبكات التركيز (FocalNets باختصار)، حيث يُستبدل الانتباه الذاتي (SA) بالكامل بآلية التركيز لنمذجة تفاعلات الرموز في الرؤية. تتكون آلية التركيز من ثلاثة مكونات: (i) التعميم الهرمي، المُنفَّذ باستخدام مجموعة من طبقات الالتفاف العميق (depth-wise convolutional layers)، لتشفير السياقات البصرية من المدى القصير إلى المدى الطويل، (ii) التجميع المُتحكَّم به (gated aggregation) لجمع السياقات بشكل انتقائي لكل رمز استعلام بناءً على محتواه، و (iii) التعديل العنصري (element-wise modulation) أو التحويل الأفيني (affine transformation) لحقن السياق المُجمَّع في الاستعلام. تُظهر التجارب الواسعة أن FocalNets تتفوق على نظيراتها القائمة على الانتباه الذاتي (SA) الأكثر تقدمًا (مثل Swin و Focal Transformers) بتكاليف حسابية مماثلة في مهام تصنيف الصور، وكشف الأشياء، والتجزئة. على وجه التحديد، تحقق FocalNets بحجم صغير (tiny) وحجم أساسي (base) دقة top-1 تبلغ 82.3% و 83.9% على ImageNet-1K. بعد التدريب المسبق على ImageNet-22K بدقة 224، تحقق دقة top-1 تبلغ 86.5% و 87.3% عند ضبط الدقة (finetuned) بدقة 224 و 384 على التوالي. عند النقل إلى المهام الفرعية، تُظهر FocalNets تفوقًا واضحًا. بالنسبة لكشف الأشياء باستخدام Mask R-CNN، يتفوق FocalNet الأساسي المُدرَّب مع 1\times على نظيره Swin بفارق 2.1 نقطة، ويتجاوز بالفعل Swin المُدرَّب مع جدول 3\times (49.0 مقابل 48.5). بالنسبة للتجزئة الدلالية باستخدام UPerNet، يتفوق FocalNet الأساسي على مقياس واحد على Swin بفارق 2.4، ويتغلب على Swin على مقياس متعدد (50.5 مقابل 49.7). باستخدام FocalNet الكبير و Mask2former، نحقق 58.5 mIoU لتجزئة ADE20K الدلالية، و 57.9 PQ لتجزئة COCO الشاملة (Panoptic Segmentation). باستخدام FocalNet الضخم (huge) و DINO، حققنا 64.3 و 64.4 mAP على COCO minival و test-dev على التوالي، مما يُؤسس لأحدث حالة فنية (SoTA) فوق نماذج انتباه أكبر بكثير مثل Swinv2-G و BEIT-3.*

تمت مساهمة هذا النموذج من قِبل [nielsr](https://huggingface.co/nielsr). يمكن العثور على الكود الأصلي [هنا](https://github.com/microsoft/FocalNet).

## FocalNetConfig[[transformers.FocalNetConfig]]

#### transformers.FocalNetConfig[[transformers.FocalNetConfig]]

```python
transformers.FocalNetConfig(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, image_size: int | list[int] | tuple[int, int] = 224, patch_size: int | list[int] | tuple[int, int] = 4, num_channels: int = 3, embed_dim: int = 96, use_conv_embed: bool = False, hidden_sizes: list[int] | tuple[int, ...] = (192, 384, 768, 768), depths: list[int] | tuple[int, ...] = (2, 2, 6, 2), focal_levels: list[int] | tuple[int, ...] = (2, 2, 2, 2), focal_windows: list[int] | tuple[int, ...] = (3, 3, 3, 3), hidden_act: str = 'gelu', mlp_ratio: float = 4.0, hidden_dropout_prob: float | int = 0.0, drop_path_rate: float | int = 0.1, use_layerscale: bool = False, layerscale_value: float = 0.0001, use_post_layernorm: bool = False, use_post_layernorm_in_modulation: bool = False, normalize_modulator: bool = False, initializer_range: float = 0.02, layer_norm_eps: float = 1e-05, encoder_stride: int = 32, _out_features: list[str] | None = None, _out_indices: list[int] | None = None)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/focalnet/configuration_focalnet.py#L25)

**المعاملات:**

image_size (`Union[int, list[int], tuple[int, int]]`، *اختياري*، القيمة الافتراضية `224`) : حجم (دقة) كل صورة.

patch_size (`Union[int, list[int], tuple[int, int]]`، *اختياري*، القيمة الافتراضية `4`) : حجم (دقة) كل رقعة.

num_channels (`int`، *اختياري*، القيمة الافتراضية `3`) : عدد قنوات الإدخال.

embed_dim (`int`، *اختياري*، القيمة الافتراضية `96`) : بُعد التضمينات والحالات المخفية.

use_conv_embed (`bool`، *اختياري*، الافتراضي `False`) : ما إذا كان سيتم استخدام التضمين التلافيفي. لاحظ المؤلفون أن استخدام التضمين التلافيفي يحسّن الأداء عادةً، لكنه غير مستخدم افتراضيًا.

hidden_sizes (`Union[list[int], tuple[int, ...]]`، *اختياري*، القيمة الافتراضية `(192, 384, 768, 768)`) : الأبعاد (حجم المخفي) في كل مرحلة من مراحل النموذج.

depths (`Union[list[int], tuple[int, ...]]`، *اختياري*، القيمة الافتراضية `(2, 2, 6, 2)`) : عمق كل طبقة في Transformer.

focal_levels (`list(int)`، *اختياري*، القيمة الافتراضية `[2, 2, 2, 2]`) : عدد مستويات التركيز في كل طبقة من المراحل المقابلة في المُشفِّر.

focal_windows (`list(int)`، *اختياري*، القيمة الافتراضية `[3, 3, 3, 3]`) : حجم النافذة البؤرية في كل طبقة من المراحل المعنية في المُشفِّر.

hidden_act (`str`، *اختياري*، القيمة الافتراضية `gelu`) : دالة التنشيط غير الخطية (دالة أو نص) في المُفكِّك. على سبيل المثال، `"gelu"`، `"relu"`، `"silu"`، وما إلى ذلك.

mlp_ratio (`float`، *اختياري*، القيمة الافتراضية `4.0`) : نسبة بُعد MLP المخفي إلى بُعد التضمين.

hidden_dropout_prob (`float`، *اختياري*، القيمة الافتراضية 0.0) : احتمال الإسقاط (dropout) لجميع الطبقات المتصلة بالكامل في التضمينات والمشفّر.

drop_path_rate (`Union[float, int]`، *اختياري*، الافتراضي هو `0.1`) : معدل إسقاط المسار لدمج البقع.

use_layerscale (`bool`، *اختياري*، الافتراضي `False`) : ما إذا كان سيتم استخدام مقياس الطبقة في المُشفِّر.

layerscale_value (`float`، *اختياري*، القيمة الافتراضية 0.0001) : القيمة الأولية لمقياس الطبقة.

use_post_layernorm (`bool`، *اختياري*، الافتراضي `False`) : ما إذا كان سيتم استخدام تطبيع ما بعد الطبقة في المُشفِّر.

use_post_layernorm_in_modulation (`bool`، *اختياري*، الافتراضي `False`) : ما إذا كان سيتم استخدام تطبيع ما بعد الطبقة في طبقة التعديل.

normalize_modulator (`bool`، *اختياري*، الافتراضي `False`) : ما إذا كان سيتم تطبيع المُعدِّل.

initializer_range (`float`، *اختياري*، القيمة الافتراضية `0.02`) : الانحراف المعياري لـ truncated_normal_initializer المستخدم في تهيئة جميع مصفوفات الأوزان.

layer_norm_eps (`float`، *اختياري*، القيمة الافتراضية `1e-05`) : قيمة الإيبسلون المستخدمة في طبقات تطبيع الطبقة.

encoder_stride (`int`، *اختياري*، القيمة الافتراضية 32) : العامل الذي يُستخدم لزيادة الدقة المكانية في رأس المُفكِّك (decoder head) لنمذجة الصور المقنَّعة (masked image modeling).

هذه فئة الإعدادات المخزنة لإعدادات نموذج FocalNetModel. تُستخدم لاستحداث نموذج Focalnet وفقاً للحجج المحددة، مع تعريف بنية النموذج. إن استحداث إعدادات باستخدام القيم الافتراضية سيؤدي إلى إعدادات مشابهة لتلك الخاصة بـ [microsoft/focalnet-tiny](https://huggingface.co/microsoft/focalnet-tiny)

ترث كائنات الإعداد من [PreTrainedConfig](/docs/transformers/v5.23.0/ar/main_classes/configuration#transformers.PreTrainedConfig) ويمكن استخدامها للتحكم في مخرجات النموذج. اقرأ التوثيق الخاص بـ [PreTrainedConfig](/docs/transformers/v5.23.0/ar/main_classes/configuration#transformers.PreTrainedConfig) لمزيد من المعلومات.

مثال:

```python
>>> from transformers import FocalNetConfig, FocalNetModel

>>> # Initializing a FocalNet microsoft/focalnet-tiny style configuration
>>> configuration = FocalNetConfig()

>>> # Initializing a model (with random weights) from the microsoft/focalnet-tiny style configuration
>>> model = FocalNetModel(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config
```

## FocalNetModel[[transformers.FocalNetModel]]

#### transformers.FocalNetModel[[transformers.FocalNetModel]]

```python
transformers.FocalNetModel(config: FocalNetConfig, add_pooling_layer = True, use_mask_token = False)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/focalnet/modeling_focalnet.py#L592)

**المعاملات:**

config ([FocalNetConfig](/docs/transformers/v5.23.0/ar/model_doc/focalnet#transformers.FocalNetConfig)) : فئة إعدادات النموذج التي تحتوي على جميع معاملات النموذج. عند التهيئة باستخدام ملف إعدادات، لا يتم تحميل الأوزان المرتبطة بالنموذج، بل الإعدادات فقط. راجع طريقة [from_pretrained()](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel.from_pretrained) لتحميل أوزان النموذج.

add_pooling_layer (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إضافة طبقة تجميع

use_mask_token (`bool`, *اختياري*, القيمة الافتراضية هي `False`) : ما إذا كان سيتم استخدام رمز قناع لنمذجة الصور المقنّعة.

نموذج Focalnet الأساسي الذي يُخرج حالات مخفية خام دون أي رأس محدد في الأعلى.

يرث هذا النموذج من [PreTrainedModel](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel). راجع توثيق الفئة الأصلية لمعرفة الطرق العامة التي تنفذها المكتبة لجميع نماذجها (مثل التنزيل أو الحفظ، وتغيير حجم تضمينات الإدخال، وقص الرؤوس، وما إلى ذلك).

هذا النموذج هو أيضاً فئة فرعية من [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) في PyTorch. استخدمه كوحدة PyTorch عادية، وارجع إلى توثيق PyTorch لكل ما يتعلق بالاستخدام العام والسلوك.

#### forward[[transformers.FocalNetModel.forward]]

```python
forward(pixel_values: typing.Optional[torch.Tensor] = None, bool_masked_pos: typing.Optional[torch.BoolTensor] = None, output_hidden_states: bool | None = None, return_dict: bool | None = None, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/focalnet/modeling_focalnet.py#L617)

**المعاملات:**

pixel_values (`torch.Tensor` بشكل `(batch_size, num_channels, image_size, image_size)`، *اختياري*) : المصفوفات المقابلة لصور الإدخال. يمكن الحصول على قيم البكسل باستخدام [BitImageProcessor](/docs/transformers/v5.23.0/ar/model_doc/bit#transformers.BitImageProcessor). راجع [BitImageProcessor.__call__()](/docs/transformers/v5.23.0/ar/model_doc/molmo2#transformers.Molmo2ImageProcessor.__call__) للتفاصيل (`processor_class` يستخدم [BitImageProcessor](/docs/transformers/v5.23.0/ar/model_doc/bit#transformers.BitImageProcessor) لمعالجة الصور).

bool_masked_pos (`torch.BoolTensor` بأبعاد `(batch_size, num_patches)`) : مواضع القناع المنطقي. تُحدّد البقع المقنّعة (1) والتي ليست مقنّعة (0).

output_hidden_states (`bool`, *اختياري*) : ما إذا كان سيتم إرجاع الحالات المخفية لجميع الطبقات. راجع `hidden_states` ضمن الموترات المُرجعة لمزيد من التفاصيل.

return_dict (`bool`، *اختياري*) : ما إذا كان سيتم إرجاع [ModelOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.utils.ModelOutput) بدلاً من tuple عادي.

**يعيد:** `FocalNetModelOutput` أو `tuple(torch.Tensor)`

`FocalNetModelOutput` أو مجموعة من `torch.Tensor` (إذا تم تمرير `return_dict=False` أو عندما يكون `config.return_dict=False`) وتتضمن عناصر مختلفة اعتماداً على الإعداد ([FocalNetConfig](/docs/transformers/v5.23.0/ar/model_doc/focalnet#transformers.FocalNetConfig)) والمدخلات.

تتجاوز طريقة [FocalNetModel](/docs/transformers/v5.23.0/ar/model_doc/focalnet#transformers.FocalNetModel) الخاصة بالتقديم (forward) الطريقة الخاصة `__call__`.

على الرغم من أنه يجب تعريف وصفة المرور الأمامي داخل هذه الدالة، إلا أنه ينبغي استدعاء كائن `Module` بدلاً من هذه الدالة، لأن الكائن يتولى تنفيذ خطوات المعالجة المسبقة والمعالجة اللاحقة، بينما تتجاهل الدالة هذه الخطوات بصمت.

- **last_hidden_state** (`torch.Tensor` بأبعاد `(batch_size, sequence_length, hidden_size)`، *اختياري*) -- تسلسل من الحالات المخفية عند مخرجات الطبقة الأخيرة من النموذج.
- **pooler_output** (`torch.Tensor` من الشكل `(batch_size, hidden_size)`، *اختياري*، يُعاد عند تمرير `add_pooling_layer=True`) -- متوسط تجميع (Average pooling) لحالة الإخفاء (hidden-state) للطبقة الأخيرة.
- **hidden_states** (`tuple[torch.Tensor]`، *اختياري*، يُعاد عند تمرير `output_hidden_states=True` أو عند تعيين `config.output_hidden_states=True`) -- مجموعة (Tuple) من `torch.Tensor` (واحدة لكل من مخرجات الطبقات المضمنة، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لكل من مخرجات كل طبقة) بأبعاد `(batch_size, sequence_length, hidden_size)`.

  حالات النموذج المخفية عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي الاختيارية.
- **reshaped_hidden_states** (`tuple(torch.Tensor)`، *اختياري*، يُعاد عند تمرير `output_hidden_states=True` أو عند تعيين `config.output_hidden_states=True`) -- مجموعة من `torch.Tensor` (واحدة لإخراج التضمينات + واحدة لإخراج كل مرحلة) بأبعاد `(batch_size, hidden_size, height, width)`.

  حالات النموذج المخفية عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي المُعاد تشكيلها لتشمل الأبعاد المكانية.

مثال:

```python
```

## FocalNetForMaskedImageModeling[[transformers.FocalNetForMaskedImageModeling]]

#### transformers.FocalNetForMaskedImageModeling[[transformers.FocalNetForMaskedImageModeling]]

```python
transformers.FocalNetForMaskedImageModeling(config: FocalNetConfig)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/focalnet/modeling_focalnet.py#L675)

**المعاملات:**

config ([FocalNetConfig](/docs/transformers/v5.23.0/ar/model_doc/focalnet#transformers.FocalNetConfig)) : فئة إعدادات النموذج التي تحتوي على جميع معاملات النموذج. عند التهيئة باستخدام ملف إعدادات، لا يتم تحميل الأوزان المرتبطة بالنموذج، بل الإعدادات فقط. راجع طريقة [from_pretrained()](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel.from_pretrained) لتحميل أوزان النموذج.

نموذج FocalNet مع مُفكِّك في الأعلى لنمذجة الصور المقنَّعة.

يتبع هذا نفس التنفيذ الموجود في [SimMIM](https://huggingface.co/papers/2111.09886).

يرث هذا النموذج من [PreTrainedModel](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel). راجع توثيق الفئة الأصلية لمعرفة الطرق العامة التي تنفذها المكتبة لجميع نماذجها (مثل التنزيل أو الحفظ، وتغيير حجم تضمينات الإدخال، وقص الرؤوس، وما إلى ذلك).

هذا النموذج هو أيضاً فئة فرعية من [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) في PyTorch. استخدمه كوحدة PyTorch عادية، وارجع إلى توثيق PyTorch لكل ما يتعلق بالاستخدام العام والسلوك.

#### forward[[transformers.FocalNetForMaskedImageModeling.forward]]

```python
forward(pixel_values: typing.Optional[torch.Tensor] = None, bool_masked_pos: typing.Optional[torch.BoolTensor] = None, output_hidden_states: bool | None = None, return_dict: bool | None = None, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/focalnet/modeling_focalnet.py#L693)

**المعاملات:**

pixel_values (`torch.Tensor` بشكل `(batch_size, num_channels, image_size, image_size)`، *اختياري*) : المصفوفات المقابلة لصور الإدخال. يمكن الحصول على قيم البكسل باستخدام [BitImageProcessor](/docs/transformers/v5.23.0/ar/model_doc/bit#transformers.BitImageProcessor). راجع [BitImageProcessor.__call__()](/docs/transformers/v5.23.0/ar/model_doc/molmo2#transformers.Molmo2ImageProcessor.__call__) للتفاصيل (`processor_class` يستخدم [BitImageProcessor](/docs/transformers/v5.23.0/ar/model_doc/bit#transformers.BitImageProcessor) لمعالجة الصور).

bool_masked_pos (`torch.BoolTensor` بأبعاد `(batch_size, num_patches)`) : مواضع القناع المنطقي. تُحدّد البقع المقنّعة (1) والتي ليست مقنّعة (0).

output_hidden_states (`bool`, *اختياري*) : ما إذا كان سيتم إرجاع الحالات المخفية لجميع الطبقات. راجع `hidden_states` ضمن الموترات المُرجعة لمزيد من التفاصيل.

return_dict (`bool`، *اختياري*) : ما إذا كان سيتم إرجاع [ModelOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.utils.ModelOutput) بدلاً من tuple عادي.

**يعيد:** `FocalNetMaskedImageModelingOutput` أو `tuple(torch.Tensor)`

`FocalNetMaskedImageModelingOutput` أو مجموعة (tuple) من `torch.Tensor` (إذا تم تمرير `return_dict=False` أو عندما يكون `config.return_dict=False`) وتتضمن عناصر مختلفة اعتماداً على الإعداد ([FocalNetConfig](/docs/transformers/v5.23.0/ar/model_doc/focalnet#transformers.FocalNetConfig)) والمدخلات.

تتجاوز طريقة [FocalNetForMaskedImageModeling](/docs/transformers/v5.23.0/ar/model_doc/focalnet#transformers.FocalNetForMaskedImageModeling) الخاصة بالتقديم (forward) الطريقة الخاصة `__call__`.

على الرغم من أنه يجب تعريف وصفة المرور الأمامي داخل هذه الدالة، إلا أنه ينبغي استدعاء كائن `Module` بدلاً من هذه الدالة، لأن الكائن يتولى تنفيذ خطوات المعالجة المسبقة والمعالجة اللاحقة، بينما تتجاهل الدالة هذه الخطوات بصمت.

- **loss** (`torch.Tensor` of shape `(1,)`, *اختياري*, يُعاد عند تقديم `bool_masked_pos`) -- خسارة نمذجة الصور المقنّعة (MLM).
- **إعادة البناء** (`torch.Tensor` من الشكل `(batch_size, num_channels, height, width)`) -- قيم البكسلات المُعاد بناؤها.
- **hidden_states** (`tuple[torch.Tensor]`، *اختياري*، يُعاد عند تمرير `output_hidden_states=True` أو عند تعيين `config.output_hidden_states=True`) -- مجموعة (Tuple) من `torch.Tensor` (واحدة لكل من مخرجات الطبقات المضمنة، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لكل من مخرجات كل طبقة) بأبعاد `(batch_size, sequence_length, hidden_size)`.

  حالات النموذج المخفية عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي الاختيارية.
- **reshaped_hidden_states** (`tuple(torch.Tensor)`، *اختياري*، يُعاد عند تمرير `output_hidden_states=True` أو عند تعيين `config.output_hidden_states=True`) -- مجموعة من `torch.Tensor` (واحدة لإخراج التضمينات + واحدة لإخراج كل مرحلة) بأبعاد `(batch_size, hidden_size, height, width)`.

  حالات النموذج المخفية عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي المُعاد تشكيلها لتشمل الأبعاد المكانية.

أمثلة:
```python
>>> from transformers import AutoImageProcessor, FocalNetConfig, FocalNetForMaskedImageModeling
>>> import torch
>>> from PIL import Image
>>> from huggingface_hub.utils import httpx
>>> from io import BytesIO

>>> url = "http://images.cocodataset.org/val2017/000000039769.jpg"
>>> with httpx.stream("GET", url) as response:
...     image = Image.open(BytesIO(response.read()))

>>> image_processor = AutoImageProcessor.from_pretrained("microsoft/focalnet-base-simmim-window6-192")
>>> config = FocalNetConfig()
>>> model = FocalNetForMaskedImageModeling(config)

>>> num_patches = (model.config.image_size // model.config.patch_size) ** 2
>>> pixel_values = image_processor(images=image, return_tensors="pt").pixel_values
>>> # create random boolean mask of shape (batch_size, num_patches)
>>> bool_masked_pos = torch.randint(low=0, high=2, size=(1, num_patches)).bool()

>>> outputs = model(pixel_values, bool_masked_pos=bool_masked_pos)
>>> loss, reconstructed_pixel_values = outputs.loss, outputs.logits
>>> list(reconstructed_pixel_values.shape)
[1, 3, 192, 192]
```

## FocalNetForImageClassification[[transformers.FocalNetForImageClassification]]

#### transformers.FocalNetForImageClassification[[transformers.FocalNetForImageClassification]]

```python
transformers.FocalNetForImageClassification(config: FocalNetConfig)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/focalnet/modeling_focalnet.py#L782)

**المعاملات:**

config ([FocalNetConfig](/docs/transformers/v5.23.0/ar/model_doc/focalnet#transformers.FocalNetConfig)) : فئة إعدادات النموذج التي تحتوي على جميع معاملات النموذج. عند التهيئة باستخدام ملف إعدادات، لا يتم تحميل الأوزان المرتبطة بالنموذج، بل الإعدادات فقط. راجع طريقة [from_pretrained()](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel.from_pretrained) لتحميل أوزان النموذج.

نموذج FocalNet مع رأس تصنيف الصور في الأعلى (طبقة خطية فوق المخرجات المجمعة) مثل ImageNet.

يرث هذا النموذج من [PreTrainedModel](/docs/transformers/v5.23.0/ar/main_classes/model#transformers.PreTrainedModel). راجع توثيق الفئة الأصلية لمعرفة الطرق العامة التي تنفذها المكتبة لجميع نماذجها (مثل التنزيل أو الحفظ، وتغيير حجم تضمينات الإدخال، وقص الرؤوس، وما إلى ذلك).

هذا النموذج هو أيضاً فئة فرعية من [torch.nn.Module](https://pytorch.org/docs/stable/nn.html#torch.nn.Module) في PyTorch. استخدمه كوحدة PyTorch عادية، وارجع إلى توثيق PyTorch لكل ما يتعلق بالاستخدام العام والسلوك.

#### forward[[transformers.FocalNetForImageClassification.forward]]

```python
forward(pixel_values: typing.Optional[torch.Tensor] = None, labels: typing.Optional[torch.LongTensor] = None, output_hidden_states: bool | None = None, return_dict: bool | None = None, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/focalnet/modeling_focalnet.py#L798)

**المعاملات:**

pixel_values (`torch.Tensor` بشكل `(batch_size, num_channels, image_size, image_size)`، *اختياري*) : المصفوفات المقابلة لصور الإدخال. يمكن الحصول على قيم البكسل باستخدام [BitImageProcessor](/docs/transformers/v5.23.0/ar/model_doc/bit#transformers.BitImageProcessor). راجع [BitImageProcessor.__call__()](/docs/transformers/v5.23.0/ar/model_doc/molmo2#transformers.Molmo2ImageProcessor.__call__) للتفاصيل (`processor_class` يستخدم [BitImageProcessor](/docs/transformers/v5.23.0/ar/model_doc/bit#transformers.BitImageProcessor) لمعالجة الصور).

labels (من نوع `torch.LongTensor` بأبعاد `(batch_size,)`، *اختياري*) : تسميات لحساب خسارة تصنيف/الانحدار للصور. يجب أن تكون الفهارس ضمن `[0, ..., config.num_labels - 1]`. إذا كان `config.num_labels == 1` يتم حساب خسارة الانحدار (خسارة متوسط المربع)، وإذا كان `config.num_labels > 1` يتم حساب خسارة التصنيف (الإنتروبيا المتقاطعة).

output_hidden_states (`bool`, *اختياري*) : ما إذا كان سيتم إرجاع الحالات المخفية لجميع الطبقات. راجع `hidden_states` ضمن الموترات المُرجعة لمزيد من التفاصيل.

return_dict (`bool`، *اختياري*) : ما إذا كان سيتم إرجاع [ModelOutput](/docs/transformers/v5.23.0/ar/main_classes/output#transformers.utils.ModelOutput) بدلاً من tuple عادي.

**يعيد:** `FocalNetImageClassifierOutput` أو `tuple(torch.Tensor)`

`FocalNetImageClassifierOutput` أو مجموعة (tuple) من `torch.Tensor` (إذا تم تمرير `return_dict=False` أو عندما يكون `config.return_dict=False`) وتتضمن عناصر مختلفة اعتماداً على الإعداد ([FocalNetConfig](/docs/transformers/v5.23.0/ar/model_doc/focalnet#transformers.FocalNetConfig)) والمدخلات.

تتجاوز طريقة [FocalNetForImageClassification](/docs/transformers/v5.23.0/ar/model_doc/focalnet#transformers.FocalNetForImageClassification) الخاصة بالتقديم (forward) الطريقة الخاصة `__call__`.

على الرغم من أنه يجب تعريف وصفة المرور الأمامي داخل هذه الدالة، إلا أنه ينبغي استدعاء كائن `Module` بدلاً من هذه الدالة، لأن الكائن يتولى تنفيذ خطوات المعالجة المسبقة والمعالجة اللاحقة، بينما تتجاهل الدالة هذه الخطوات بصمت.

- **loss** (`torch.Tensor` من الشكل `(1,)`, *اختياري*، يُعاد عند تقديم `labels`) -- خسارة التصنيف (أو الانحدار إذا كان config.num_labels==1).
- **logits** (`torch.Tensor` من الشكل `(batch_size, config.num_labels)`) -- درجات التصنيف (أو الانحدار إذا كان config.num_labels==1) (قبل SoftMax).
- **hidden_states** (`tuple[torch.Tensor]`، *اختياري*، يُعاد عند تمرير `output_hidden_states=True` أو عند تعيين `config.output_hidden_states=True`) -- مجموعة (Tuple) من `torch.Tensor` (واحدة لكل من مخرجات الطبقات المضمنة، إذا كان النموذج يحتوي على طبقة تضمين، + واحدة لكل من مخرجات كل طبقة) بأبعاد `(batch_size, sequence_length, hidden_size)`.

  حالات النموذج المخفية عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي الاختيارية.
- **reshaped_hidden_states** (`tuple(torch.Tensor)`، *اختياري*، يُعاد عند تمرير `output_hidden_states=True` أو عند تعيين `config.output_hidden_states=True`) -- مجموعة من `torch.Tensor` (واحدة لإخراج التضمينات + واحدة لإخراج كل مرحلة) بأبعاد `(batch_size, hidden_size, height, width)`.

  حالات النموذج المخفية عند مخرج كل طبقة بالإضافة إلى مخرجات التضمين الأولي المُعاد تشكيلها لتشمل الأبعاد المكانية.

مثال:

```python
>>> from transformers import AutoImageProcessor, FocalNetForImageClassification
>>> import torch
>>> from datasets import load_dataset

>>> dataset = load_dataset("huggingface/cats-image")
>>> image = dataset["test"]["image"][0]

>>> image_processor = AutoImageProcessor.from_pretrained("microsoft/focalnet-tiny")
>>> model = FocalNetForImageClassification.from_pretrained("microsoft/focalnet-tiny")

>>> inputs = image_processor(image, return_tensors="pt")

>>> with torch.no_grad():
...     logits = model(**inputs).logits

>>> # model predicts one of the 1000 ImageNet classes
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
...
```

