# Backbone

Backbone — это модель, используемая для извлечения признаков для задач компьютерного зрения высокого уровня, таких как обнаружение объектов и классификация изображений. Transformers предоставляет класс [AutoBackbone](/docs/transformers/v5.23.0/ru/main_classes/backbones#transformers.AutoBackbone) для инициализации backbone Transformers из предобученных весов модели, а также два вспомогательных класса:

* [BackboneMixin](/docs/transformers/v5.23.0/ru/main_classes/backbones#transformers.BackboneMixin) позволяет инициализировать backbone из Transformers или [timm](https://hf.co/docs/timm/index) и включает функции для возврата выходных признаков и индексов.
* [BackboneConfigMixin](/docs/transformers/v5.23.0/ru/main_classes/backbones#transformers.BackboneConfigMixin) задаёт выходные признаки и индексы конфигурации бэкбона.

Модели [timm](https://hf.co/docs/timm/index) загружаются с помощью классов [TimmBackbone](/docs/transformers/v5.23.0/ru/main_classes/backbones#transformers.TimmBackbone) и [TimmBackboneConfig](/docs/transformers/v5.23.0/ru/main_classes/backbones#transformers.TimmBackboneConfig).

Backbones поддерживаются для следующих моделей:

* [BEiT](../model_doc/beit)
* [BiT](../model_doc/bit)
* [ConvNext](../model_doc/convnext)
* [ConvNextV2](../model_doc/convnextv2)
* [DiNAT](../model_doc/dinat)
* [DINOV2](../model_doc/dinov2)
* [FocalNet](../model_doc/focalnet)
* [MaskFormer](../model_doc/maskformer)
* [ResNet](../model_doc/resnet)
* [Swin Transformer](../model_doc/swin)
* [Swin Transformer v2](../model_doc/swinv2)
* [ViTDet](../model_doc/vitdet)

## AutoBackbone[[transformers.AutoBackbone]]

#### transformers.AutoBackbone[[transformers.AutoBackbone]]

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

[Источник](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/auto/modeling_auto.py#L2639)

## BackboneMixin[[transformers.BackboneMixin]]

#### transformers.BackboneMixin[[transformers.BackboneMixin]]

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

[Источник](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/backbone_utils.py#L189)

#### post_init[[transformers.BackboneMixin.post_init]]

```python
post_init()
```

[Источник](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/backbone_utils.py#L215)

Переопределите `post_init`, чтобы всегда устанавливать хуки перехвата, так как backbone ВСЕГДА перехватывает выходные данные. Это необходимо делать в `post_init`, поскольку модули к этому моменту должны быть уже созданы. Это позволяет избежать некоторых проблем с `torch.compile`, так как первая установка хука потребует/создаст разрыв графа, что может конфликтовать с внешними вызовами пользователя, например `model = torch.compile(model...)`.

## BackboneConfigMixin[[transformers.BackboneConfigMixin]]

#### transformers.BackboneConfigMixin[[transformers.BackboneConfigMixin]]

```python
transformers.BackboneConfigMixin()
```

[Источник](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/backbone_utils.py#L37)

Миксин для поддержки обработки атрибутов `out_features` и `out_indices` в конфигурациях backbone.

#### set_output_features_output_indices[[transformers.BackboneConfigMixin.set_output_features_output_indices]]

```python
set_output_features_output_indices(out_features: list | None, out_indices: list | None)
```

[Источник](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/backbone_utils.py#L42)

**Параметры:**

out_features (`list[str]`, *необязательный*) : Имена признаков, которые должен выводить backbone. По умолчанию используется `config._out_features`, если значение не указано.

out_indices (`list[int]` или `tuple[int]`, *необязательный*) : Индексы признаков, которые должен выводить backbone. По умолчанию используется `config._out_indices`, если значение не указано.

Устанавливает новые значения для выходных индексов и признаков и выравнивает их с указанными `stage_names`. Если один из входных параметров не задан, находит соответствующие `out_features` или `out_indices` для указанных `stage_names`.

#### to_dict[[transformers.BackboneConfigMixin.to_dict]]

```python
to_dict()
```

[Источник](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/backbone_utils.py#L151)

Сериализует этот экземпляр в словарь Python. Переопределяет стандартный `to_dict()` из `PreTrainedConfig`, чтобы включить атрибуты `out_features` и `out_indices`.

#### verify_out_features_out_indices[[transformers.BackboneConfigMixin.verify_out_features_out_indices]]

```python
verify_out_features_out_indices()
```

[Источник](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/backbone_utils.py#L78)

Убедитесь, что out_indices и out_features допустимы для указанных stage_names.

## TimmBackbone[[transformers.TimmBackbone]]

#### transformers.TimmBackbone[[transformers.TimmBackbone]]

```python
transformers.TimmBackbone(config: TimmBackboneConfig, **kwargs)
```

[Источник](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/timm_backbone/modeling_timm_backbone.py#L35)

Обёртка для моделей timm, используемых в качестве базовых архитектур. Это позволяет использовать модели timm взаимозаменяемо с другими моделями в библиотеке, сохраняя тот же API.

## TimmBackboneConfig[[transformers.TimmBackboneConfig]]

#### transformers.TimmBackboneConfig[[transformers.TimmBackboneConfig]]

```python
transformers.TimmBackboneConfig(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, backbone: str | None = None, num_channels: int = 3, features_only: bool = True, _out_indices: list[int] | None = None, freeze_batch_norm_2d: bool = False, output_stride: int | None = None)
```

[Источник](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/models/timm_backbone/configuration_timm_backbone.py#L26)

**Параметры:**

backbone (`str`, *необязательный*) : Чекпоинт timm для загрузки.

num_channels (`int`, *необязательный*, по умолчанию `3`) : Количество входных каналов.

features_only (`bool`, *необязательный*, по умолчанию `True`) : Выводить только признаки или также логиты.

freeze_batch_norm_2d (`bool`, *необязательный*, по умолчанию `False`) : Преобразует все слои `BatchNorm2d` и `SyncBatchNorm` указанного модуля в `FrozenBatchNorm2d`.

output_stride (`int`, *optional*) : Соотношение между пространственным разрешением входных и выходных карт признаков.

Это класс конфигурации для хранения настроек TimmBackbone. Он используется для создания модели Timm Backbone в соответствии с указанными аргументами, определяя архитектуру модели. Создание конфигурации с параметрами по умолчанию даст конфигурацию, аналогичную конфигурации [](https://huggingface.co/)

Объекты конфигурации наследуются от [PreTrainedConfig](/docs/transformers/v5.23.0/ru/main_classes/configuration#transformers.PreTrainedConfig) и могут использоваться для управления выводами модели. Подробнее см. в документации [PreTrainedConfig](/docs/transformers/v5.23.0/ru/main_classes/configuration#transformers.PreTrainedConfig).

Пример:
```python
>>> from transformers import TimmBackboneConfig, TimmBackbone

>>> # Initializing a timm backbone
>>> configuration = TimmBackboneConfig("resnet50")

>>> # Initializing a model from the configuration
>>> model = TimmBackbone(configuration)

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

