ImageToImage

[源代码]

ImageToImage

keras_hub.models.ImageToImage()

用于图像到图像任务的基类。

ImageToImage 任务封装了一个 keras_hub.models.Backbone 和一个 keras_hub.models.Preprocessor,以创建一个可用于生成和生成式微调的模型。

ImageToImage 任务提供了一个额外的高级 generate() 函数,可用于通过令牌生成图像,其签名形式为 (图像, 字符串) 输入,图像输出。

所有 ImageToImage 任务都包含一个 from_preset() 构造函数,可用于加载预训练配置和权重。

示例

# Load a Stable Diffusion 3 backbone with pre-trained weights.
reference_image = np.ones((1024, 1024, 3), dtype="float32")
image_to_image = keras_hub.models.ImageToImage.from_preset(
    "stable_diffusion_3_medium",
)
image_to_image.generate(
    reference_image,
    "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k",
)

# Load a Stable Diffusion 3 backbone at bfloat16 precision.
image_to_image = keras_hub.models.ImageToImage.from_preset(
    "stable_diffusion_3_medium",
    dtype="bfloat16",
)
image_to_image.generate(
    reference_image,
    "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k",
)

[源代码]

from_preset 方法

ImageToImage.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 可以以下列方式之一传入:

  1. 内置预设标识符,如 'bert_base_en'
  2. Kaggle Models 句柄,如 'kaggle://user/bert/keras/bert_base_en'
  3. Hugging Face 句柄,如 'hf://user/bert_base_en'
  4. 本地预设目录的路径,如 './bert_base_en'

对于任何 Task 子类,您可以运行 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以下两种方式之一调用。可以从特定于任务的基类(如 keras_hub.models.CausalLM.from_preset())调用,也可以从模型类(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。内置预设标识符、Kaggle Models 句柄、Hugging Face 句柄或本地目录的路径。
  • load_weights:布尔值。如果为 True,则会将保存的权重加载到模型架构中。如果为 False,则所有权重将随机初始化。

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
stable_diffusion_3_medium 2.99B 30 亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自编码器。由 Stability AI 开发。
stable_diffusion_3.5_medium 3.37B 30 亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT-X 生成模型和 VAE 自编码器。由 Stability AI 开发。
stable_diffusion_3.5_large 9.05B 90 亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自编码器。由 Stability AI 开发。
stable_diffusion_3.5_large_turbo 9.05B 90 亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自编码器。这是一个时间步蒸馏版本,消除了无分类器引导,并使用更少的步骤进行生成。由 Stability AI 开发。

[源代码]

compile 方法

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

配置 ImageToImage 任务以进行训练。

ImageToImage 任务扩展了 keras.Model.compile 的默认编译签名,提供了 optimizerlossmetrics 的默认值。要覆盖这些默认值,请在编译期间向这些参数传递任何值。

参数

  • optimizer"auto"、优化器名称或 keras.Optimizer 实例。默认为 "auto",它使用给定模型和任务的默认优化器。有关可能的 optimizer 值,请参阅 keras.Model.compilekeras.optimizers
  • loss"auto"、损失名称或 keras.losses.Loss 实例。默认为 "auto",此时将应用 keras.losses.MeanSquaredError 损失。有关可能的 loss 值,请参阅 keras.Model.compilekeras.losses
  • metrics"auto",或模型在训练和测试期间评估的指标列表。默认为 "auto",此时将应用 keras.metrics.MeanSquaredError 以跟踪模型在训练期间的损失。有关可能的 metrics 值,请参阅 keras.Model.compilekeras.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

ImageToImage.save_to_preset(preset_dir)

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。

preprocessor 属性

keras_hub.models.ImageToImage.preprocessor

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


backbone 属性

keras_hub.models.ImageToImage.backbone

具有核心架构的 keras_hub.models.Backbone 模型。


[源代码]

generate 方法

ImageToImage.generate(inputs, num_steps, strength, guidance_scale=None, seed=None)

基于提供的 inputs 生成图像。

通常,inputs 是一个包含 "images""prompts" 键的字典。"images" 是值范围在 [-1.0, 1.0] 之间的参考图像,将被调整大小到 self.backbone.heightself.backbone.width,然后由 VAE 编码器编码到潜在空间。"prompts" 是字符串,将由文本编码器进行分词和编码。

一些模型支持 "negative_prompts" 键,这有助于引导模型避免生成某些风格和元素。要启用此功能,请在输入字典中添加 "negative_prompts"

如果 inputs 是一个 tf.data.Dataset,则输出将“按批次”生成并连接。否则,所有输入将按批次处理。

参数

  • inputs:python 数据、张量数据或 tf.data.Dataset。格式必须是以下之一:
    • 包含 "images""prompts" 和/或 "negative_prompts" 键的字典。
    • 包含 "images""prompts" 和/或 "negative_prompts" 键的 tf.data.Dataset
  • num_steps:整数。要执行的扩散步数。
  • strength:浮点数。表示参考 images 转换的程度。必须介于 0.01.0 之间。当 strength=1.0 时,images 基本上被忽略,添加的噪声最大,并且去噪过程运行完整的 num_steps 指定的迭代次数。
  • guidance_scale:可选浮点数。定义在 Classifier-Free Diffusion Guidance 中的无分类器引导尺度。较高的尺度鼓励生成与提示更紧密相关的图像,但这通常会牺牲图像质量。请注意,某些模型不使用无分类器引导。
  • seed:可选整数。用作随机种子。