DenseNetImageClassifierPreprocessor
类keras_hub.models.DenseNetImageClassifierPreprocessor(image_converter=None, **kwargs)
图像分类预处理层的基类。
ImageClassifierPreprocessor
任务封装了一个 keras_hub.layers.ImageConverter
,用于创建图像分类任务的预处理层。它旨在与 keras_hub.models.ImageClassifier
任务配对使用。
所有 ImageClassifierPreprocessor
都接受三个输入:x
、y
和 sample_weight
。x
是第一个输入,应始终包含在内。它可以是一张图片或一批图片。请参阅下面的示例。y
和 sample_weight
是可选输入,将保持不变地传递。通常,y
将是分类标签,而 sample_weight
不会提供。
如果提供了标签,该层将输出 x
或一个 (x, y)
元组;如果提供了标签和样本权重,则输出一个 (x, y, sample_weight)
元组。x
将是应用所有模型预处理后的输入图片。
所有 ImageClassifierPreprocessor
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词汇表。您可以直接在此基类上调用 from_preset()
构造函数,在这种情况下,将自动实例化适合您模型的正确类。
示例。
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://tensorflowcn.cn/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DenseNetImageClassifierPreprocessor.from_preset(
preset, config_file="preprocessor.json", **kwargs
)
从模型预设实例化一个 keras_hub.models.Preprocessor
。
预设是用于保存和加载预训练模型的配置、权重和其他文件资产的目录。preset
可以作为以下类型之一传递:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
对于任何 Preprocessor
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。
由于通常一个给定模型有多个预处理类,此方法应在特定子类上调用,例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()
。
参数
示例
# 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",
)
预设 | 预设参数 | 描述 |
---|---|---|
densenet_121_imagenet | 7.04M | 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 121 层 DenseNet 模型。 |
densenet_169_imagenet | 12.64M | 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 169 层 DenseNet 模型。 |
densenet_201_imagenet | 18.32M | 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 201 层 DenseNet 模型。 |
image_converter
属性keras_hub.models.DenseNetImageClassifierPreprocessor.image_converter
用于预处理图像数据的图像转换器。