KerasHub: 预训练模型 / API 文档 / 模型架构 / EfficientNet / EfficientNetImageConverter

EfficientNetImageConverter

[来源]

EfficientNetImageConverter

keras_hub.layers.EfficientNetImageConverter(
    image_size=None,
    scale=None,
    offset=None,
    crop_to_aspect_ratio=True,
    pad_to_aspect_ratio=False,
    interpolation="bilinear",
    antialias=False,
    bounding_box_format="yxyx",
    data_format=None,
    **kwargs
)

将原始图像预处理为模型就绪的输入。

此类将原始图像转换为模型就绪的输入。转换过程如下:

  1. 将图像调整为 image_size 大小。如果 image_sizeNone,则跳过此步骤。
  2. 通过乘以 scale 来重新缩放图像,scale 可以是全局值或按通道值。如果 scaleNone,则跳过此步骤。
  3. 通过加上 offset 来偏移图像,offset 可以是全局值或按通道值。如果 offsetNone,则跳过此步骤。

该层将接受通道最后或通道优先格式的原始图像张量作为输入,并输出用于建模的预处理图像输入。此张量可以是批处理的(秩为 4),也可以是非批处理的(秩为 3)。

此层可以与 from_preset() 构造函数一起使用,以加载一个层,该层将为特定的预训练模型重新缩放和调整图像大小。通过这种方式使用该层可以编写无需在模型检查点之间切换时更新的预处理代码。

参数

  • image_size: (int, int) 元组或 None。图像的输出大小,不包括通道轴。如果为 None,则不调整输入大小。
  • scale: float、float 元组或 None。应用于输入的缩放比例。如果 scale 是单个 float,则整个输入将乘以 scale。如果 scale 是一个元组,则假定它包含与输入图像的每个通道相乘的每通道缩放值。如果 scaleNone,则不应用缩放。
  • offset: float、float 元组或 None。应用于输入的偏移量。如果 offset 是单个 float,则整个输入将与 offset 相加。如果 offset 是一个元组,则假定它包含与输入图像的每个通道相加的每通道偏移值。如果 offsetNone,则不应用缩放。
  • crop_to_aspect_ratio: 如果为 True,则在不失真纵横比的情况下调整图像大小。当原始纵横比与目标纵横比不同时,将裁剪输出图像,以便返回与目标纵横比匹配的图像中可能的最大窗口(大小为 (height, width))。默认情况下(crop_to_aspect_ratio=False),可能不保留纵横比。
  • interpolation: 字符串,插值方法。支持 "bilinear", "nearest", "bicubic", "lanczos3", "lanczos5"。默认为 "bilinear"
  • antialias: 在对图像进行下采样时是否使用抗锯齿滤波器。默认为 False
  • bounding_box_format: 指定边界框格式的字符串,可以是 "xyxy", "rel_xyxy", "xywh", "center_xywh", "yxyx", "rel_yxyx" 之一。指定边界框的格式,边界框将与图像一起调整到 image_size 大小。要将边界框传递给此层,请在调用该层时传递一个包含键 "images""bounding_boxes" 的字典。
  • data_format: 字符串,可以是 "channels_last""channels_first"。输入的维度顺序。"channels_last" 对应于形状为 (batch, height, width, channels) 的输入,而 "channels_first" 对应于形状为 (batch, channels, height, width) 的输入。它默认为 Keras 配置文件中 ~/.keras/keras.json 中找到的 image_data_format 值。如果从未设置过,则为 "channels_last"

示例

# Resize raw images and scale them to [0, 1].
converter = keras_hub.layers.ImageConverter(
    image_size=(128, 128),
    scale=1. / 255,
)
converter(np.random.randint(0, 256, size=(2, 512, 512, 3)))

# Resize images to the specific size needed for a PaliGemma preset.
converter = keras_hub.layers.ImageConverter.from_preset(
    "pali_gemma_3b_224"
)
converter(np.random.randint(0, 256, size=(2, 512, 512, 3)))

[来源]

from_preset 方法

EfficientNetImageConverter.from_preset(preset, **kwargs)

从模型预设实例化一个 keras_hub.layers.ImageConverter

预设是用于保存和加载预训练模型的一系列配置、权重和其他文件资产。preset 可以按以下方式之一传递:

  1. 一个内置预设标识符,例如 'pali_gemma_3b_224'
  2. 一个 Kaggle Models 句柄,例如 'kaggle://user/paligemma/keras/pali_gemma_3b_224'
  3. 一个 Hugging Face 句柄,例如 'hf://user/pali_gemma_3b_224'
  4. 本地预设目录的路径,例如 './pali_gemma_3b_224'

您可以运行 cls.presets.keys() 来列出该类上所有可用的内置预设。

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,则将权重加载到模型架构中。如果为 False,则随机初始化权重。

示例

batch = np.random.randint(0, 256, size=(2, 512, 512, 3))

# Resize images for `"pali_gemma_3b_224"`.
converter = keras_hub.layers.ImageConverter.from_preset(
    "pali_gemma_3b_224"
)
converter(batch) # # Output shape (2, 224, 224, 3)

# Resize images for `"pali_gemma_3b_448"` without cropping.
converter = keras_hub.layers.ImageConverter.from_preset(
    "pali_gemma_3b_448",
    crop_to_aspect_ratio=False,
)
converter(batch) # # Output shape (2, 448, 448, 3)
预设 参数 描述
efficientnet_lite0_ra_imagenet 4.65M EfficientNet-Lite 模型在 ImageNet 1k 数据集上使用 RandAugment 配方微调。
efficientnet_b0_ra_imagenet 5.29M EfficientNet B0 模型在 ImageNet 1k 数据集上使用 RandAugment 配方预训练。
efficientnet_b0_ra4_e3600_r224_imagenet 5.29M Ross Wightman 在 ImageNet 1k 数据集上预训练的 EfficientNet B0 模型。使用 timm 脚本训练,超参数受到 MobileNet-V4 small、timm 的 go-to 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 配方训练。
efficientnet_em_ra2_imagenet 6.90M EfficientNet-EdgeTPU Medium 模型在 ImageNet 1k 数据集上使用 RandAugment2 配方训练。
efficientnet_b1_ft_imagenet 7.79M EfficientNet B1 模型在 ImageNet 1k 数据集上微调。
efficientnet_b1_ra4_e3600_r240_imagenet 7.79M Ross Wightman 在 ImageNet 1k 数据集上预训练的 EfficientNet B1 模型。使用 timm 脚本训练,超参数受到 MobileNet-V4 small、timm 的 go-to 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 配方预训练。
efficientnet_el_ra_imagenet 10.59M EfficientNet-EdgeTPU Large 模型在 ImageNet 1k 数据集上使用 RandAugment 配方训练。
efficientnet_b3_ra2_imagenet 12.23M EfficientNet B3 模型在 ImageNet 1k 数据集上使用 RandAugment2 配方预训练。
efficientnet2_rw_t_ra2_imagenet 13.65M EfficientNet-v2 Tiny 模型在 ImageNet 1k 数据集上使用 RandAugment2 配方训练。
efficientnet_b4_ra2_imagenet 19.34M EfficientNet B4 模型在 ImageNet 1k 数据集上使用 RandAugment2 配方预训练。
efficientnet2_rw_s_ra2_imagenet 23.94M EfficientNet-v2 Small 模型在 ImageNet 1k 数据集上使用 RandAugment2 配方训练。
efficientnet_b5_sw_imagenet 30.39M Ross Wightman 在 ImageNet 12k 数据集上预训练的 EfficientNet B5 模型。基于 Swin Transformer 训练/预训练配方并进行了修改(与 DeiT 和 ConvNeXt 配方相关)。
efficientnet_b5_sw_ft_imagenet 30.39M Ross Wightman 在 ImageNet 12k 数据集上预训练并在 ImageNet-1k 上微调的 EfficientNet B5 模型。基于 Swin Transformer 训练/预训练配方并进行了修改(与 DeiT 和 ConvNeXt 配方相关)。
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训练。