Gemma3ImageConverter
类keras_hub.layers.Gemma3ImageConverter(**kwargs)
将原始图像预处理为模型准备好的输入。
此类将原始图像转换为模型准备好的输入。此转换按以下步骤进行:
image_size
调整图像大小。如果 image_size
为 None
,则跳过此步骤。scale
来重新缩放图像,scale
可以是全局值或按通道计算的值。如果 scale
为 None
,则跳过此步骤。offset
来偏移图像,offset
可以是全局值或按通道计算的值。如果 offset
为 None
,则跳过此步骤。该层将以通道在后 (channels last) 或通道在前 (channels first) 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。该张量可以是批处理的 (rank 4),也可以是非批处理的 (rank 3)。
该层可以与 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。以这种方式使用该层可以编写预处理代码,在切换模型检查点时无需更新。
参数
(int, int)
元组或 None
。图像的输出尺寸,不包括通道轴。如果为 None
,则输入不会被调整大小。None
。应用于输入的比例。如果 scale
是单个浮点数,则整个输入将乘以 scale
。如果 scale
是一个元组,则假定它包含按通道的比例值,乘以输入图像的每个通道。如果 scale
为 None
,则不应用缩放。None
。应用于输入的偏移。如果 offset
是单个浮点数,则整个输入将与 offset
相加。如果 offset
是一个元组,则假定它包含按通道的偏移值,与输入图像的每个通道相加。如果 offset
为 None
,则不应用缩放。True
,则在不失真宽高比的情况下调整图像大小。当原始宽高比与目标宽高比不同时,将裁剪输出图像,以返回图像中与目标宽高比匹配的最大可能窗口(大小为 (height, width)
)。默认情况下 (crop_to_aspect_ratio=False
),宽高比可能不会保留。"bilinear"
、"nearest"
、"bicubic"
、"lanczos3"
、"lanczos5"
。默认为 "bilinear"
。False
。"xyxy"
、"rel_xyxy"
、"xywh"
、"center_xywh"
、"yxyx"
、"rel_yxyx"
之一。指定边界框的格式,边界框将随图像一起调整到 image_size
。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"
和 "bounding_boxes"
的字典。"channels_last"
或 "channels_first"
。输入中维度的顺序。"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。它默认为您的 Keras 配置文件 ~/.keras/keras.json
中的 image_data_format
值。如果您从未设置过,则将是 "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)))
from_preset
方法Gemma3ImageConverter.from_preset(preset, **kwargs)
从模型预设实例化 keras_hub.layers.ImageConverter
。
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
可以作为以下任一形式传递:
'pali_gemma_3b_224'
'kaggle://user/paligemma/keras/pali_gemma_3b_224'
'hf://user/pali_gemma_3b_224'
'./pali_gemma_3b_224'
您可以运行 cls.presets.keys()
列出该类上所有可用的内置预设。
参数
True
,则将权重加载到模型架构中。如果为 False
,则权重将随机初始化。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 |
---|---|---|
gemma3_1b | 999.89M | 10 亿参数、26 层、仅文本的预训练 Gemma3 模型。 |
gemma3_instruct_1b | 999.89M | 10 亿参数、26 层、仅文本的指令微调 Gemma3 模型。 |
gemma3_4b_text | 3.88B | 40 亿参数、34 层、仅文本的预训练 Gemma3 模型。 |
gemma3_instruct_4b_text | 3.88B | 40 亿参数、34 层、仅文本的指令微调 Gemma3 模型。 |
gemma3_4b | 4.30B | 40 亿参数、34 层、视觉+文本的预训练 Gemma3 模型。 |
gemma3_instruct_4b | 4.30B | 40 亿参数、34 层、视觉+文本的指令微调 Gemma3 模型。 |
gemma3_12b_text | 11.77B | 120 亿参数、48 层、仅文本的预训练 Gemma3 模型。 |
gemma3_instruct_12b_text | 11.77B | 120 亿参数、48 层、仅文本的指令微调 Gemma3 模型。 |
gemma3_12b | 12.19B | 120 亿参数、48 层、视觉+文本的预训练 Gemma3 模型。 |
gemma3_instruct_12b | 12.19B | 120 亿参数、48 层、视觉+文本的指令微调 Gemma3 模型。 |
gemma3_27b_text | 27.01B | 270 亿参数、62 层、仅文本的预训练 Gemma3 模型。 |
gemma3_instruct_27b_text | 27.01B | 270 亿参数、62 层、仅文本的指令微调 Gemma3 模型。 |
gemma3_27b | 27.43B | 270 亿参数、62 层、视觉+文本的预训练 Gemma3 模型。 |
gemma3_instruct_27b | 27.43B | 270 亿参数、62 层、视觉+文本的指令微调 Gemma3 模型。 |