ImageToImage

[源代码]

ImageToImage

keras_hub.models.ImageToImage()

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,其签名是(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 可以作为以下之一传递:

  1. 一个内置的预设标识符,如 'bert_base_en'
  2. 一个 Kaggle Models 句柄,如 'kaggle://user/bert/keras/bert_base_en'
  3. 一个 Hugging Face 句柄,如 'hf://user/bert_base_en'
  4. 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:从任务特定的基类(例如 keras_hub.models.CausalLM.from_preset())或从模型类(例如 keras_hub.models.BertTextClassifier.from_preset())。如果从基类调用,返回对象的子类将根据预设目录中的配置推断。

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
stable_diffusion_3_medium 29.9亿 30 亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自动编码器。由 Stability AI 开发。
stable_diffusion_3.5_medium 33.7亿 30 亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT-X 生成模型和 VAE 自动编码器。由 Stability AI 开发。
stable_diffusion_3.5_large 90.5亿 90 亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自动编码器。由 Stability AI 开发。
stable_diffusion_3.5_large_turbo 90.5亿 90 亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自动编码器。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,并为 optimizerlossmetrics 提供了默认值。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”,它使用给定模型和任务的默认优化器。有关可能的 optimizer 值的更多信息,请参阅 keras.Model.compilekeras.optimizers
  • loss:“auto”、损失名称或 keras.losses.Loss 实例。默认为“auto”,其中将应用 keras.losses.MeanSquaredError 损失。有关可能的 loss 值的更多信息,请参阅 keras.Model.compilekeras.losses
  • metrics:“auto”或模型在训练和测试期间要评估的指标列表。默认为“auto”,其中将应用 keras.metrics.MeanSquaredError 来跟踪模型在训练期间的损失。有关可能的 metrics 值的更多信息,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, 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_sizeintfloat。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.ImageToImage.preprocessor

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


backbone 属性

keras_hub.models.ImageToImage.backbone

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


[源代码]

generate 方法

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

根据提供的 inputs 生成图像。

通常,inputs 是一个带有“images”和“prompts”键的字典。“images”是值范围为 [-1.0, 1.0] 的参考图像,它们将被调整为 self.backbone.heightself.backbone.width,然后由 VAE 编码器编码为潜在空间。“prompts”是将由文本编码器进行分词和编码的字符串。

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,请将 "negative_prompts" 添加到输入字典中。

如果 inputs 是一个 tf.data.Dataset,输出将“逐批”生成并连接起来。否则,所有输入都将作为批次处理。

参数

  • inputs: Python 数据、张量数据或 tf.data.Dataset。格式必须是以下之一:
    • 一个带有“images”、“prompts”和/或“negative_prompts”键的字典。
    • 一个带有“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 基本被忽略,添加的噪声最大,去噪过程运行 num_steps 中指定的全部迭代次数。
  • guidance_scale:可选浮点数。在 无分类器扩散引导 中定义的无分类器引导比例。较高的比例鼓励生成与提示更密切相关的图像,通常以牺牲较低图像质量为代价。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。