MobileNetV5ImageClassifierPreprocessor 类keras_hub.models.MobileNetV5ImageClassifierPreprocessor(
image_converter=None, **kwargs
)
图像分类预处理层的基类。
ImageClassifierPreprocessor 任务包装了 keras_hub.layers.ImageConverter 以创建一个用于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。它可以是单个图像或图像批次。请参阅下面的示例。y 和 sample_weight 是可选输入，它们将被原样传递。通常，y 是分类标签，而 sample_weight 不会提供。
该层将输出 x，如果提供了标签，则输出一个 (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 将是应用了所有模型预处理后的输入图像。
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)
image_converter 属性keras_hub.models.MobileNetV5ImageClassifierPreprocessor.image_converter
用于预处理图像数据的图像转换器。