KerasHub: 预训练模型 / API 文档 / 模型架构 / Gemma3 / Gemma3ImageConverter

Gemma3ImageConverter

[来源]

Gemma3ImageConverter

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:

  1. 使用 image_size 调整图像大小。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计算的值。如果 scaleNone,则跳过此步骤。
  3. 通过添加 offset 来偏移图像,offset 可以是全局值或按通道计算的值。如果 offsetNone,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

  • image_size: (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。
  • scale: float、浮点数元组或 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 scaleNone,则不应用缩放。
  • offset: float、浮点数元组或 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 offsetNone,则不应用缩放。
  • crop_to_aspect_ratio: 如果为 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。
  • interpolation: 字符串,插值方法。支持 "bilinear""nearest""bicubic""lanczos3""lanczos5"。默认为 "bilinear"
  • antialias: 在下采样图像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""bounding_boxes" 的字典。
  • data_format: 字符串,可以是 "channels_last""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)))

[来源]

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:

  1. 内置预设标识符,例如 'pali_gemma_3b_224'
  2. Kaggle Models 句柄,例如 'kaggle://user/paligemma/keras/pali_gemma_3b_224'
  3. 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() 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。