MiT影像分類器預處理層
MiTImageClassifierPreprocessor 類別
keras_hub.models.MiTImageClassifierPreprocessor(image_converter=None, **kwargs)
影像分類預處理層的基底類別。
ImageClassifierPreprocessor 任務包裝了 keras_hub.layers.ImageConverter，以建立用於影像分類任務的預處理層。它旨在與 keras_hub.models.ImageClassifier 任務配對使用。
所有 ImageClassifierPreprocessor 接受三個輸入：x、y 和 sample_weight。x 作為第一個輸入，必須始終包含。它可以是單張影像或一批影像。請參閱以下範例。y 和 sample_weight 是可選輸入，將不經修改地傳遞。通常，y 將是分類標籤，而 sample_weight 將不會提供。
如果提供了標籤，則此層將輸出 x 或 (x, y) 元組；如果提供了標籤和樣本權重，則輸出 (x, y, sample_weight) 元組。x 將是應用所有模型預處理後的輸入影像。
所有 ImageClassifierPreprocessor 任務都包含一個 from_preset() 建構子，可用於載入預訓練的配置和詞彙表。您可以直接在此基底類別上呼叫 from_preset() 建構子，在這種情況下，將自動實例化適合您模型的正確類別。
範例。
preprocessor = keras_hub.models.ImageClassifierPreprocessor.from_preset(
"resnet_50",
)
# Resize a single image for resnet 50.
x = np.random.randint(0, 256, (512, 512, 3))
x = preprocessor(x)
# Resize a labeled image.
x, y = np.random.randint(0, 256, (512, 512, 3)), 1
x, y = preprocessor(x, y)
# Resize a batch of labeled images.
x, y = [
np.random.randint(0, 256, (512, 512, 3)),
np.zeros((512, 512, 3))
], [1, 0]
x, y = preprocessor(x, y)
# Use a [`tf.data.Dataset`](https://tensorflow.dev.org.tw/api_docs/python/tf/data/Dataset).
ds = tf.data.Dataset.from_tensor_slices((x, y)).batch(2)
ds = ds.map(preprocessor, num_parallel_calls=tf.data.AUTOTUNE)
from_preset 方法
MiTImageClassifierPreprocessor.from_preset(
preset, config_file="preprocessor.json", **kwargs
)
從模型預設配置實例化 keras_hub.models.Preprocessor。
預設配置是一個目錄，其中包含用於儲存和載入預訓練模型的配置、權重和其他檔案資產。preset 可以作為以下其中一種傳遞
- 一個內建的預設配置識別符，例如
'bert_base_en' - 一個 Kaggle Models 控制代碼，例如
'kaggle://user/bert/keras/bert_base_en' - 一個 Hugging Face 控制代碼，例如
'hf://user/bert_base_en' - 一個指向本機預設配置目錄的路徑，例如
'./bert_base_en'
對於任何 Preprocessor 子類別，您可以執行 cls.presets.keys() 以列出該類別上所有可用的內建預設配置。
由於給定模型通常有多個預處理類別，因此應在特定的子類別（例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()）上呼叫此方法。
引數
- preset：字串。一個內建的預設配置識別符、Kaggle Models 控制代碼、Hugging Face 控制代碼或指向本機目錄的路徑。
範例
# Load a preprocessor for Gemma generation.
preprocessor = keras_hub.models.CausalLMPreprocessor.from_preset(
"gemma_2b_en",
)
# Load a preprocessor for Bert classification.
preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset(
"bert_base_en",
)
| 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。 |
image_converter 屬性
keras_hub.models.MiTImageClassifierPreprocessor.image_converter
用於預處理影像資料的影像轉換器。