► KerasHub：预训练模型 / API文档 / 建模API / ImageClassifier

ImageClassifier

`ImageClassifier` 类

keras_hub.models.ImageClassifier(
    backbone,
    num_classes,
    preprocessor=None,
    pooling="avg",
    activation=None,
    dropout=0.0,
    head_dtype=None,
    **kwargs
)

所有图像分类任务的基类。

ImageClassifier 任务封装了一个 keras_hub.models.Backbone 和一个 keras_hub.models.Preprocessor 来创建一个可用于图像分类的模型。ImageClassifier 任务接受一个额外的 num_classes 参数，用于控制预测的输出类别数量。

要使用 fit() 进行微调，请传入一个包含 (x, y) 标签元组的数据集，其中 x 是一个字符串，y 是一个介于 [0, num_classes) 之间的整数。所有 ImageClassifier 任务都包含一个 from_preset() 构造函数，可用于加载预训练的配置和权重。

参数

backbone：一个 keras_hub.models.Backbone 实例或一个 keras.Model。
num_classes：int。要预测的类别数量。
preprocessor: None、一个 keras_hub.models.Preprocessor 实例、一个 keras.Layer 实例或一个可调用对象。如果为 None，则不对输入应用任何预处理。
pooling："avg" 或 "max"。要应用于主干网络输出的池化类型。默认为平均池化。
activation：None、str 或可调用对象。用于 Dense 层的激活函数。将 activation 设置为 None 以返回输出 logits。默认为 "softmax"。
head_dtype：None、str 或 keras.mixed_precision.DTypePolicy。用于分类头计算和权重的 dtype。

示例

调用 predict() 运行推理。

# Load preset and train
images = np.random.randint(0, 256, size=(2, 224, 224, 3))
classifier = keras_hub.models.ImageClassifier.from_preset(
    "resnet_50_imagenet"
)
classifier.predict(images)

在单个批次上调用 fit()。

# Load preset and train
images = np.random.randint(0, 256, size=(2, 224, 224, 3))
labels = [0, 3]
classifier = keras_hub.models.ImageClassifier.from_preset(
    "resnet_50_imagenet"
)
classifier.fit(x=images, y=labels, batch_size=2)

使用自定义损失、优化器和主干网络调用 fit()。

classifier = keras_hub.models.ImageClassifier.from_preset(
    "resnet_50_imagenet"
)
classifier.compile(
    loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    optimizer=keras.optimizers.Adam(5e-5),
)
classifier.backbone.trainable = False
classifier.fit(x=images, y=labels, batch_size=2)

自定义主干网络。

images = np.random.randint(0, 256, size=(2, 224, 224, 3))
labels = [0, 3]
backbone = keras_hub.models.ResNetBackbone(
    stackwise_num_filters=[64, 64, 64],
    stackwise_num_blocks=[2, 2, 2],
    stackwise_num_strides=[1, 2, 2],
    block_type="basic_block",
    use_pre_activation=True,
    pooling="avg",
)
classifier = keras_hub.models.ImageClassifier(
    backbone=backbone,
    num_classes=4,
)
classifier.fit(x=images, y=labels, batch_size=2)

[源代码]

`from_preset` 方法

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

从模型预设实例化一个 keras_hub.models.Task。

预设是一个包含配置、权重和其他文件资产的目录，用于保存和加载预训练模型。preset 可以作为以下之一传递：

一个内置的预设标识符，如 'bert_base_en'
一个 Kaggle Models 句柄，如 'kaggle://user/bert/keras/bert_base_en'
一个 Hugging Face 句柄，如 'hf://user/bert_base_en'
一个本地预设目录的路径，如 './bert_base_en'

对于任何 Task 子类，您都可以运行 cls.presets.keys() 来列出该类上所有可用的内置预设。

此构造函数可以通过两种方式调用。一种方式是从特定任务的基类（如 keras_hub.models.CausalLM.from_preset()）调用，另一种方式是从模型类（如 keras_hub.models.BertTextClassifier.from_preset()）调用。如果从基类调用，返回对象的子类将从预设目录中的配置推断出来。

参数

preset：字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。
load_weights: 布尔值。如果为 True，已保存的权重将被加载到模型架构中。如果为 False，所有权重将被随机初始化。

示例

# Load a Gemma generative task.
causal_lm = keras_hub.models.CausalLM.from_preset(
    "gemma_2b_en",
)

# Load a Bert classification task.
model = keras_hub.models.TextClassifier.from_preset(
    "bert_base_en",
    num_classes=2,
)

预设	参数	描述
csp_resnext_50_ra_imagenet	20.57M	在随机增强的 ImageNet 1k 数据集上预训练的 CSP-ResNeXt（交叉阶段部分）图像分类模型，分辨率为 256x256。
csp_resnet_50_ra_imagenet	21.62M	在随机增强的 ImageNet 1k 数据集上预训练的 CSP-ResNet（交叉阶段部分）图像分类模型，分辨率为 256x256。
csp_darknet_53_ra_imagenet	27.64M	在随机增强的 ImageNet 1k 数据集上预训练的 CSP-DarkNet（交叉阶段部分）图像分类模型，分辨率为 256x256。
darknet_53_imagenet	41.61M	在 ImageNet 1k 数据集上预训练的 DarkNet 图像分类模型，分辨率为 256x256。
deit_tiny_distilled_patch16_224_imagenet	5.52M	DeiT-T16 模型在 ImageNet 1k 数据集上进行了预训练，图像分辨率为 224x224。
deit_small_distilled_patch16_224_imagenet	21.67M	DeiT-S16 模型在 ImageNet 1k 数据集上进行了预训练，图像分辨率为 224x224。
deit_base_distilled_patch16_224_imagenet	85.80M	DeiT-B16 模型在 ImageNet 1k 数据集上进行了预训练，图像分辨率为 224x224。
deit_base_distilled_patch16_384_imagenet	86.09M	DeiT-B16 模型在 ImageNet 1k 数据集上进行了预训练，图像分辨率为 384x384。
densenet_121_imagenet	7.04M	121 层 DenseNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
densenet_169_imagenet	12.64M	169 层 DenseNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
densenet_201_imagenet	18.32M	201 层 DenseNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
efficientnet_lite0_ra_imagenet	4.65M	EfficientNet-Lite 模型在 ImageNet 1k 数据集上使用 RandAugment 策略进行微调。
efficientnet_b0_ra_imagenet	5.29M	EfficientNet B0 模型在 ImageNet 1k 数据集上使用 RandAugment 策略进行预训练。
efficientnet_b0_ra4_e3600_r224_imagenet	5.29M	EfficientNet B0 模型由 Ross Wightman 在 ImageNet 1k 数据集上预训练。使用 timm 脚本训练，超参数受 MobileNet-V4 small、timm 的通用超参数和“ResNet Strikes Back”的启发。
efficientnet_es_ra_imagenet	5.44M	EfficientNet-EdgeTPU Small 模型在 ImageNet 1k 数据集上使用 RandAugment 策略进行训练。
efficientnet_em_ra2_imagenet	6.90M	EfficientNet-EdgeTPU Medium 模型在 ImageNet 1k 数据集上使用 RandAugment2 策略进行训练。
efficientnet_b1_ft_imagenet	7.79M	EfficientNet B1 模型在 ImageNet 1k 数据集上进行微调。
efficientnet_b1_ra4_e3600_r240_imagenet	7.79M	EfficientNet B1 模型由 Ross Wightman 在 ImageNet 1k 数据集上预训练。使用 timm 脚本训练，超参数受 MobileNet-V4 small、timm 的通用超参数和“ResNet Strikes Back”的启发。
efficientnet_b2_ra_imagenet	9.11M	EfficientNet B2 模型在 ImageNet 1k 数据集上使用 RandAugment 策略进行预训练。
efficientnet_el_ra_imagenet	10.59M	EfficientNet-EdgeTPU Large 模型在 ImageNet 1k 数据集上使用 RandAugment 策略进行训练。
efficientnet_b3_ra2_imagenet	12.23M	EfficientNet B3 模型在 ImageNet 1k 数据集上使用 RandAugment2 策略进行预训练。
efficientnet2_rw_t_ra2_imagenet	13.65M	EfficientNet-v2 Tiny 模型在 ImageNet 1k 数据集上使用 RandAugment2 策略进行训练。
efficientnet_b4_ra2_imagenet	19.34M	EfficientNet B4 模型在 ImageNet 1k 数据集上使用 RandAugment2 策略进行预训练。
efficientnet2_rw_s_ra2_imagenet	23.94M	EfficientNet-v2 Small 模型在 ImageNet 1k 数据集上使用 RandAugment2 策略进行训练。
efficientnet_b5_sw_imagenet	30.39M	EfficientNet B5 模型由 Ross Wightman 在 ImageNet 12k 数据集上预训练。基于 Swin Transformer 训练/预训练策略，并进行了修改（与 DeiT 和 ConvNeXt 策略相关）。
efficientnet_b5_sw_ft_imagenet	30.39M	EfficientNet B5 模型由 Ross Wightman 在 ImageNet 12k 数据集上预训练，并在 ImageNet-1k 上微调。基于 Swin Transformer 训练/预训练策略，并进行了修改（与 DeiT 和 ConvNeXt 策略相关）。
efficientnet2_rw_m_agc_imagenet	53.24M	EfficientNet-v2 Medium 模型在 ImageNet 1k 数据集上使用自适应梯度裁剪进行训练。
hgnetv2_b4_ssld_stage2_ft_in1k	13.60M	HGNetV2 B4 模型，采用 2 阶段 SSLD 训练，在 ImageNet-1K 上进行了微调。
hgnetv2_b5_ssld_stage1_in22k_in1k	33.42M	HGNetV2 B5 模型，采用 1 阶段 SSLD 训练，在 ImageNet-22K 上预训练，在 ImageNet-1K 上微调。
hgnetv2_b5_ssld_stage2_ft_in1k	33.42M	HGNetV2 B5 模型，采用 2 阶段 SSLD 训练，在 ImageNet-1K 上进行了微调。
hgnetv2_b6_ssld_stage1_in22k_in1k	69.18M	HGNetV2 B6 模型，采用 1 阶段 SSLD 训练，在 ImageNet-22K 上预训练，在 ImageNet-1K 上微调。
hgnetv2_b6_ssld_stage2_ft_in1k	69.18M	HGNetV2 B6 模型，采用 2 阶段 SSLD 训练，在 ImageNet-1K 上进行了微调。
mit_b0_ade20k_512	3.32M	具有 8 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b0_cityscapes_1024	3.32M	具有 8 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b1_ade20k_512	13.16M	具有 8 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b1_cityscapes_1024	13.16M	具有 8 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b2_ade20k_512	24.20M	具有 16 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b2_cityscapes_1024	24.20M	具有 16 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b3_ade20k_512	44.08M	具有 28 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b3_cityscapes_1024	44.08M	具有 28 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b4_ade20k_512	60.85M	具有 41 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b4_cityscapes_1024	60.85M	具有 41 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b5_ade20k_640	81.45M	具有 52 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b5_cityscapes_1024	81.45M	具有 52 个 Transformer 块的 MiT (MixTransformer) 模型。
mobilenet_v3_small_050_imagenet	278.78K	在 224x224 分辨率的 ImageNet 1k 数据集上预训练的小型 Mobilenet V3 模型。具有一半通道乘数。
mobilenet_v3_small_100_imagenet	939.12K	在 224x224 分辨率的 ImageNet 1k 数据集上预训练的小型 Mobilenet V3 模型。具有基线通道乘数。
mobilenet_v3_large_100_imagenet	3.00M	在 224x224 分辨率的 ImageNet 1k 数据集上预训练的大型 Mobilenet V3 模型。具有基线通道乘数。
mobilenet_v3_large_100_imagenet_21k	3.00M	在 224x224 分辨率的 ImageNet 21k 数据集上预训练的大型 Mobilenet V3 模型。具有基线通道乘数。
mobilenetv5_300m_enc_gemma3n	294.28M	轻量级 3 亿参数的卷积视觉编码器，用作 Gemma 3n 的图像骨干网络。
resnet_18_imagenet	11.19M	18 层 ResNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_18_imagenet	11.72M	18 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_34_imagenet	21.84M	34 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_50_imagenet	23.56M	50 层 ResNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_v2_50_imagenet	23.56M	50 层 ResNetV2 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_50_imagenet	25.63M	50 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_50_ssld_imagenet	25.63M	50 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练，并采用知识蒸馏。
resnet_vd_50_ssld_v2_imagenet	25.63M	50 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练，并采用知识蒸馏和 AutoAugment。
resnet_vd_50_ssld_v2_fix_imagenet	25.63M	50 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练，并采用知识蒸馏、AutoAugment 和额外的分类头微调。
resnet_101_imagenet	42.61M	101 层 ResNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_v2_101_imagenet	42.61M	101 层 ResNetV2 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_101_imagenet	44.67M	101 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_101_ssld_imagenet	44.67M	101 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练，并采用知识蒸馏。
resnet_152_imagenet	58.30M	152 层 ResNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_152_imagenet	60.36M	152 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_200_imagenet	74.93M	200 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vgg_11_imagenet	9.22M	11 层 VGG 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vgg_13_imagenet	9.40M	13 层 VGG 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vgg_16_imagenet	14.71M	16 层 VGG 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vgg_19_imagenet	20.02M	19 层 VGG 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vit_base_patch16_224_imagenet	85.80M	ViT-B16 模型，在 224x224 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_base_patch16_224_imagenet21k	85.80M	ViT-B16 骨干网络，在 224x224 图像分辨率的 ImageNet 21k 数据集上预训练。
vit_base_patch16_384_imagenet	86.09M	ViT-B16 模型，在 384x384 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_base_patch32_224_imagenet21k	87.46M	ViT-B32 骨干网络，在 224x224 图像分辨率的 ImageNet 21k 数据集上预训练。
vit_base_patch32_384_imagenet	87.53M	ViT-B32 模型，在 384x384 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_large_patch16_224_imagenet	303.30M	ViT-L16 模型，在 224x224 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_large_patch16_224_imagenet21k	303.30M	ViT-L16 骨干网络，在 224x224 图像分辨率的 ImageNet 21k 数据集上预训练。
vit_large_patch16_384_imagenet	303.69M	ViT-L16 模型，在 384x384 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_large_patch32_224_imagenet21k	305.51M	ViT-L32 骨干网络，在 224x224 图像分辨率的 ImageNet 21k 数据集上预训练。
vit_large_patch32_384_imagenet	305.61M	ViT-L32 模型，在 384x384 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_huge_patch14_224_imagenet21k	630.76M	ViT-H14 骨干网络，在 224x224 图像分辨率的 ImageNet 21k 数据集上预训练。
xception_41_imagenet	20.86M	41 层 Xception 模型，在 ImageNet 1k 上预训练。

[源代码]

`compile` 方法

ImageClassifier.compile(optimizer="auto", loss="auto", metrics="auto", **kwargs)

配置用于训练的ImageClassifier任务。

ImageClassifier 任务通过为optimizer、loss和metrics设置默认值，扩展了keras.Model.compile的默认编译签名。要覆盖这些默认值，请在编译期间将任何值传递给这些参数。

参数

optimizer: "auto"、优化器名称或 keras.Optimizer 实例。默认为 "auto"，它会为给定的模型和任务使用默认优化器。有关可能的 optimizer 值的更多信息，请参阅 keras.Model.compile 和 keras.optimizers。
loss："auto"、损失名称或 keras.losses.Loss 实例。默认为 "auto"，此时将为分类任务应用 keras.losses.SparseCategoricalCrossentropy 损失。有关可能的 loss 值，请参阅 keras.Model.compile 和 keras.losses。
metrics："auto" 或在训练和测试期间由模型评估的度量列表。默认为 "auto"，此时将应用 keras.metrics.SparseCategoricalAccuracy 来跟踪模型在训练期间的准确度。有关可能的 metrics 值，请参阅 keras.Model.compile 和 keras.metrics。
**kwargs：有关 compile 方法支持的完整参数列表，请参阅 keras.Model.compile。

[源代码]

`save_to_preset` 方法

ImageClassifier.save_to_preset(preset_dir, max_shard_size=10)

将任务保存到预设目录。

参数

preset_dir：本地模型预设目录的路径。
max_shard_size：int 或 float。每个分片文件的最大大小（以 GB 为单位）。如果为 None，则不进行分片。默认为 10。

`preprocessor` 属性

keras_hub.models.ImageClassifier.preprocessor

用于预处理输入的 keras_hub.models.Preprocessor 层。

`backbone` 属性

keras_hub.models.ImageClassifier.backbone

一个具有核心架构的 keras_hub.models.Backbone 模型。

ImageClassifier

ImageClassifier 类

from_preset 方法

compile 方法

save_to_preset 方法

preprocessor 属性

backbone 属性

ImageClassifier