# Backbone

Backbone, nesne tespiti ve görüntü sınıflandırma gibi üst düzey bilgisayarla görme görevleri için özellik çıkarımı kullanılan bir modeldir. Transformers, önceden eğitilmiş model ağırlıklarından bir Transformers backbone'ı başlatmak için [AutoBackbone](/docs/transformers/v5.23.0/tr/main_classes/backbones#transformers.AutoBackbone) sınıfını ve iki yardımcı sınıfı sağlar:

* [BackboneMixin](/docs/transformers/v5.23.0/tr/main_classes/backbones#transformers.BackboneMixin), bir omurgayı Transformers veya [timm](https://hf.co/docs/timm/index) üzerinden başlatmayı sağlar ve çıktı özelliklerini ile indeksleri döndürmek için işlevler içerir.
* [BackboneConfigMixin](/docs/transformers/v5.23.0/tr/main_classes/backbones#transformers.BackboneConfigMixin), omurga yapılandırmasının çıktı özelliklerini ve dizinlerini ayarlar.

[timm](https://hf.co/docs/timm/index) modelleri [TimmBackbone](/docs/transformers/v5.23.0/tr/main_classes/backbones#transformers.TimmBackbone) ve [TimmBackboneConfig](/docs/transformers/v5.23.0/tr/main_classes/backbones#transformers.TimmBackboneConfig) sınıfları ile yüklenir.

Backbones, aşağıdaki modeller için desteklenmektedir:

* [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)
```

[Kaynak](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)
```

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

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

```python
post_init()
```

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

`post_init` metodunu geçersiz kılın; çünkü backbone her zaman çıktıları yakalar. Modüllerin zaten örneklenmiş olması gerektiği için bunu `post_init` içinde yapmamız gerekir. Bu, `torch.compile` ile bazı karışıklıkları önler; çünkü ilk hook kurulumu bir graph break gerektirir/oluşturur ve bu da `model = torch.compile(model...)` gibi dış kullanıcı çağrılarıyla çelişebilir.

## BackboneConfigMixin[[transformers.BackboneConfigMixin]]

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

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

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

Omurga yapılandırması için `out_features` ve `out_indices` özniteliklerinin işlenmesini destekleyen bir Mixin.

#### 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)
```

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

**Parametreler:**

out_features (`list[str]`, *isteğe bağlı*) : Omurganın (backbone) çıktı olarak vereceği özelliklerin adları. Verilmezse varsayılan olarak `config._out_features` kullanılır.

out_indices (`list[int]` veya `tuple[int]`, *isteğe bağlı*) : Backbone'un çıktı olarak vereceği özelliklerin indeksleri. Verilmezse varsayılan olarak `config._out_indices` kullanılır.

Çıktı indekslerini ve özelliklerini yeni değerlere ayarlar ve bunları verilen `stage_names` ile hizalar. Girdilerden biri verilmediyse, verilen `stage_names` için ilgili `out_features` veya `out_indices` değerini bulur.

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

```python
to_dict()
```

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

Bu örneği bir Python sözlüğüne serialize eder. `out_features` ve `out_indices` özniteliklerini içerecek şekilde `PreTrainedConfig`'ten gelen varsayılan `to_dict()` metodunu geçersiz kılar.

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

```python
verify_out_features_out_indices()
```

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

Verilen stage_names için out_indices ve out_features'ın geçerli olduğunu doğrulayın.

## TimmBackbone[[transformers.TimmBackbone]]

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

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

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

Sırt omurgası (backbone) olarak kullanılacak timm modelleri için sarmalayıcı (wrapper) sınıfı. Bu, kütüphanedeki diğer modellerle aynı API'yi koruyarak timm modellerinin diğer modellerle değiştirilebilir şekilde kullanılmasını sağlar.

## 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)
```

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

**Parametreler:**

backbone (`str`, *isteğe bağlı*) : Yükenecek timm kontrol noktası.

num_channels (`int`, *opsiyonel*, varsayılan `3`) : Girdi kanal sayısı.

features_only (`bool`, *isteğe bağlı*, varsayılan `True`) : Yalnızca özelliklerin mi yoksa logitlerin de mi çıktılanacağı.

freeze_batch_norm_2d (`bool`, *isteğe bağlı*, varsayılan `False`) : Verilen modülün tüm `BatchNorm2d` ve `SyncBatchNorm` katmanlarını `FrozenBatchNorm2d` olarak dönüştürür.

output_stride (`int`, *isteğe bağlı*) : Girdi ve çıktı özellik haritalarının uzamsal çözünürlüğü arasındaki oran.

Bu, bir TimmBackbone yapılandırmasını depolamak için kullanılan yapılandırma sınıfıdır. Belirtilen argümanlara göre bir Timm Backbone modelini örneklemek ve model mimarisini tanımlamak için kullanılır. Varsayılan değerlerle bir yapılandırma örneklendiğinde, [](https://huggingface.co/) ile benzer bir yapılandırma elde edilir.

Yapılandırma nesneleri [PreTrainedConfig](/docs/transformers/v5.23.0/tr/main_classes/configuration#transformers.PreTrainedConfig) sınıfından türetilir ve model çıktılarını kontrol etmek için kullanılabilir. Daha fazla bilgi için [PreTrainedConfig](/docs/transformers/v5.23.0/tr/main_classes/configuration#transformers.PreTrainedConfig) belgesini okuyun.

Örnek:
```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
```

