► KerasHub：預訓練模型 / API 文件 / 模型架構 / MiT / MiTBackbone 模型

MiTBackbone 模型

[原始碼]

MiTBackbone 類別

keras_hub.models.MiTBackbone(
    layerwise_depths,
    num_layers,
    layerwise_num_heads,
    layerwise_sr_ratios,
    max_drop_path_rate,
    layerwise_patch_sizes,
    layerwise_strides,
    image_shape=(None, None, 3),
    hidden_dims=None,
    **kwargs
)

具有特徵金字塔輸出的骨幹網路。

FeaturePyramidBackbone 繼承 Backbone，並具有單一 pyramid_outputs 屬性，用於存取模型的特徵金字塔輸出。子類別應在模型建構函式中設定 pyramid_outputs 屬性。

範例

input_data = np.random.uniform(0, 256, size=(2, 224, 224, 3))

# Convert to feature pyramid output format using ResNet.
backbone = ResNetBackbone.from_preset("resnet50")
model = keras.Model(
    inputs=backbone.inputs, outputs=backbone.pyramid_outputs
)
model(input_data)  # A dict containing the keys ["P2", "P3", "P4", "P5"]

[原始碼]

from_preset 方法

MiTBackbone.from_preset(preset, load_weights=True, **kwargs)

從模型預設配置實例化一個 keras_hub.models.Backbone。

預設配置是一個包含配置、權重和其他檔案資產的目錄，用於儲存和載入預訓練模型。preset 可以作為以下其中一種方式傳遞

  1. 內建預設配置識別符，例如 'bert_base_en'
  2. Kaggle Models 控制代碼，例如 'kaggle://user/bert/keras/bert_base_en'
  3. Hugging Face 控制代碼，例如 'hf://user/bert_base_en'
  4. 本地預設配置目錄的路徑，例如 './bert_base_en'

此建構函式可以透過兩種方式調用。可以從基底類別調用，例如 keras_hub.models.Backbone.from_preset()，也可以從模型類別調用，例如 keras_hub.models.GemmaBackbone.from_preset()。如果從基底類別調用，則返回物件的子類別將從預設配置目錄中的配置推斷出來。

對於任何 Backbone 子類別，您可以執行 cls.presets.keys() 來列出該類別上所有可用的內建預設配置。

引數

  • preset：字串。內建預設配置識別符、Kaggle Models 控制代碼、Hugging Face 控制代碼或本地目錄的路徑。
  • load_weights：布林值。如果為 True，權重將載入到模型架構中。如果為 False，權重將隨機初始化。

範例

# Load a Gemma backbone with pre-trained weights.
model = keras_hub.models.Backbone.from_preset(
    "gemma_2b_en",
)

# Load a Bert backbone with a pre-trained config and random weights.
model = keras_hub.models.Backbone.from_preset(
    "bert_base_en",
    load_weights=False,
)
預設配置 參數 描述
mit_b0_ade20k_512 3.32M 具有 8 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b0_cityscapes_1024 3.32M 具有 8 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b1_ade20k_512 13.16M 具有 8 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b1_cityscapes_1024 13.16M 具有 8 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b2_ade20k_512 24.20M 具有 16 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b2_cityscapes_1024 24.20M 具有 16 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b3_ade20k_512 44.08M 具有 28 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b3_cityscapes_1024 44.08M 具有 28 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b4_ade20k_512 60.85M 具有 41 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b4_cityscapes_1024 60.85M 具有 41 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b5_ade20k_640 81.45M 具有 52 個 Transformer 區塊的 MiT (MixTransformer) 模型。
mit_b5_cityscapes_1024 81.45M 具有 52 個 Transformer 區塊的 MiT (MixTransformer) 模型。
MiTBackbone 模型
MiTBackbone 類別
from_preset 方法