MixTransformer 主干网络
MiTBackbone 类
keras_cv.models.MiTBackbone(
include_rescaling,
depths,
input_shape=(224, 224, 3),
input_tensor=None,
embedding_dims=None,
**kwargs
)
主干网络模型的基类。
主干网络是模型的可重用层，在标准任务（如 ImageNet 分类）上训练，可以在其他任务中重用。
from_preset 方法
MiTBackbone.from_preset()
从预设配置和权重实例化 MiTBackbone 模型。
参数
- preset: 字符串。必须是以下之一："mit_b0"，"mit_b1"，"mit_b2"，"mit_b3"，"mit_b4"，"mit_b5"，"mit_b0_imagenet"。 如果要查找带有预训练权重的预设，请选择 "mit_b0_imagenet"。
- load_weights: 是否将预训练权重加载到模型中。默认为
None，遵循预设是否具有可用的预训练权重。
示例
# Load architecture and weights from preset
model = keras_cv.models.MiTBackbone.from_preset(
"mit_b0_imagenet",
)
# Load randomly initialized model from preset architecture with weights
model = keras_cv.models.MiTBackbone.from_preset(
"mit_b0_imagenet",
load_weights=False,
| 预设名称 | 参数 | 描述 |
|---|---|---|
| mit_b0 | 3.32M | 具有 8 个 Transformer 块的 MiT（MixTransformer）模型。 |
| mit_b1 | 13.16M | 具有 8 个 Transformer 块的 MiT（MixTransformer）模型。 |
| mit_b2 | 24.20M | 具有 16 个 Transformer 块的 MiT（MixTransformer）模型。 |
| mit_b3 | 44.08M | 具有 28 个 Transformer 块的 MiT（MixTransformer）模型。 |
| mit_b4 | 60.85M | 具有 41 个 Transformer 块的 MiT（MixTransformer）模型。 |
| mit_b5 | 81.45M | 具有 52 个 Transformer 块的 MiT（MixTransformer）模型。 |
| mit_b0_imagenet | 3.32M | 具有 8 个 Transformer 块的 MiT（MixTransformer）模型。在 ImageNet-1K 上预训练，验证集上的 top-1 准确率为 69%。 |
MiTB0Backbone 类
keras_cv.models.MiTB0Backbone(
include_rescaling,
depths,
input_shape=(224, 224, 3),
input_tensor=None,
embedding_dims=None,
**kwargs
)
MiT 模型。
对于迁移学习用例，请务必阅读 迁移学习和微调指南。
参数
- include_rescaling: bool，是否对输入进行重新缩放。如果设置为 True，则输入将通过
Rescaling(scale=1 / 255)层。默认为 True。 - input_shape: 可选的形状元组，默认为 (None, None, 3)。
- input_tensor: 可选的 Keras 张量（即
layers.Input()的输出），用作模型的图像输入。
示例
input_data = tf.ones(shape=(8, 224, 224, 3))
# Randomly initialized backbone
model = MiTB0Backbone()
output = model(input_data)
MiTB1Backbone 类
keras_cv.models.MiTB1Backbone(
include_rescaling,
depths,
input_shape=(224, 224, 3),
input_tensor=None,
embedding_dims=None,
**kwargs
)
MiT 模型。
对于迁移学习用例，请务必阅读 迁移学习和微调指南。
参数
- include_rescaling: bool，是否对输入进行重新缩放。如果设置为 True，则输入将通过
Rescaling(scale=1 / 255)层。默认为 True。 - input_shape: 可选的形状元组，默认为 (None, None, 3)。
- input_tensor: 可选的 Keras 张量（即
layers.Input()的输出），用作模型的图像输入。
示例
input_data = tf.ones(shape=(8, 224, 224, 3))
# Randomly initialized backbone
model = MiTB1Backbone()
output = model(input_data)
MiTB2Backbone 类
keras_cv.models.MiTB2Backbone(
include_rescaling,
depths,
input_shape=(224, 224, 3),
input_tensor=None,
embedding_dims=None,
**kwargs
)
MiT 模型。
对于迁移学习用例，请务必阅读 迁移学习和微调指南。
参数
- include_rescaling: bool，是否对输入进行重新缩放。如果设置为 True，则输入将通过
Rescaling(scale=1 / 255)层。默认为 True。 - input_shape: 可选的形状元组，默认为 (None, None, 3)。
- input_tensor: 可选的 Keras 张量（即
layers.Input()的输出），用作模型的图像输入。
示例
input_data = tf.ones(shape=(8, 224, 224, 3))
# Randomly initialized backbone
model = MiTB2Backbone()
output = model(input_data)
MiTB3Backbone 类
keras_cv.models.MiTB3Backbone(
include_rescaling,
depths,
input_shape=(224, 224, 3),
input_tensor=None,
embedding_dims=None,
**kwargs
)
MiT 模型。
对于迁移学习用例，请务必阅读 迁移学习和微调指南。
参数
- include_rescaling: bool，是否对输入进行重新缩放。如果设置为 True，则输入将通过
Rescaling(scale=1 / 255)层。默认为 True。 - input_shape: 可选的形状元组，默认为 (None, None, 3)。
- input_tensor: 可选的 Keras 张量（即
layers.Input()的输出），用作模型的图像输入。
示例
input_data = tf.ones(shape=(8, 224, 224, 3))
# Randomly initialized backbone
model = MiTB3Backbone()
output = model(input_data)
MiTB4Backbone 类
keras_cv.models.MiTB4Backbone(
include_rescaling,
depths,
input_shape=(224, 224, 3),
input_tensor=None,
embedding_dims=None,
**kwargs
)
MiT 模型。
对于迁移学习用例，请务必阅读 迁移学习和微调指南。
参数
- include_rescaling: bool，是否对输入进行重新缩放。如果设置为 True，则输入将通过
Rescaling(scale=1 / 255)层。默认为 True。 - input_shape: 可选的形状元组，默认为 (None, None, 3)。
- input_tensor: 可选的 Keras 张量（即
layers.Input()的输出），用作模型的图像输入。
示例
input_data = tf.ones(shape=(8, 224, 224, 3))
# Randomly initialized backbone
model = MiTB4Backbone()
output = model(input_data)
MiTB5Backbone 类
keras_cv.models.MiTB5Backbone(
include_rescaling,
depths,
input_shape=(224, 224, 3),
input_tensor=None,
embedding_dims=None,
**kwargs
)
MiT 模型。
对于迁移学习用例，请务必阅读 迁移学习和微调指南。
参数
- include_rescaling: bool，是否对输入进行重新缩放。如果设置为 True，则输入将通过
Rescaling(scale=1 / 255)层。默认为 True。 - input_shape: 可选的形状元组，默认为 (None, None, 3)。
- input_tensor: 可选的 Keras 张量（即
layers.Input()的输出），用作模型的图像输入。
示例
input_data = tf.ones(shape=(8, 224, 224, 3))
# Randomly initialized backbone
model = MiTB5Backbone()
output = model(input_data)