标签： Transformer

QwenImage21Pipeline 在默认 output_resolution=1024 做图像编辑时，常见“返回带光晕、过锐、接近原图的复制品”或“替换主体”的现象；优先怀疑目标 latent 边长跨过了某个阈值（如 56/64），而非配置或精度问题。可优先尝试把编辑输出分辨率降到 960 或

这个报错通常出现在使用 TimmBackbone 并把 timm 模型当骨干网络（如 Mask2Former、ViT 等）时，旧版 Transformers 会强制读取被包装模型的 return_layers 属性，而 timm 新引入的 FeatureGetterNet 并没有该属性。优先排查 T

这个报错通常出现在尝试把 CLIP 模型导出到 ExecuTorch 时，旧版代码因 linalg_vector_norm 算子不被 ExecuTorch 支持而导出失败。优先确认 transformers 版本是否已包含已分解的 norm 实现，以及导出器是否已迁移到 transformers.e

这个报错通常出现在你想用 Hugging Face Transformers 微调 CLIPSegForImageSegmentation 时，因为官方缺少微调脚本和数据集准备说明，容易在构造 labels 时传入错误类型或形状，触发 Finetune ClipSeg model 相关问题。优先确认

该报错通常出现在用 Transformers 加载 Gemma 4 音频多模态模型并调用 generate() 的场景，根因是 Processor 与 Model 的模型类型不匹配；优先排查是否混用了 Gemma4Processor 和 Gemma4UnifiedForConditionalGene

在使用 PEFT 对 Embedding Gemma（google/embeddinggemma-300m）加分类头做 LoRA 微调时，调用 model.add_adapter() 会抛出 AttributeError: 'Gemma3TextForSequenceClassification'