ResNetImageConverter
类keras_hub.layers.ResNetImageConverter(
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
)
将原始图像预处理成模型准备好的输入。
此类将原始图像转换为模型准备好的输入。转换过程包括以下步骤:
image_size
调整图像大小。如果 image_size
为 None
,则跳过此步骤。scale
进行缩放,scale
可以是全局值或按通道值。如果 scale
为 None
,则跳过此步骤。offset
偏移图像,offset
可以是全局值或按通道值。如果 offset
为 None
,则不应用偏移。该层将接收通道在后 (channels last) 或通道在前 (channels first) 格式的原始图像张量作为输入,并输出用于模型预处理的图像输入。此张量可以是批处理的(rank 4)或非批处理的(rank 3)。
该层可以与 from_preset()
构造函数一起使用,以加载一个为特定预训练模型重新缩放和调整图像大小的层。以这种方式使用该层,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
(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。None
。应用于输入的缩放值。如果 scale
是单个 float,则整个输入将乘以 scale
。如果 scale
是元组,则假定它包含按通道的缩放值,用于乘以输入图像的每个通道。如果 scale
为 None
,则不应用缩放。None
。应用于输入的偏移值。如果 offset
是单个 float,则整个输入将加上 offset
。如果 offset
是元组,则假定它包含按通道的偏移值,用于加上输入图像的每个通道。如果 offset
为 None
,则不应用偏移。True
,则调整图像大小而不失真宽高比。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
),可能不会保留宽高比。"bilinear"
(双线性)、"nearest"
(最近邻)、"bicubic"
(双三次)、"lanczos3"
、"lanczos5"
。默认为 "bilinear"
。False
。"xyxy"
、"rel_xyxy"
、"xywh"
、"center_xywh"
、"yxyx"
、"rel_yxyx"
。指定将与图像一起调整到 image_size
大小的边界框的格式。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"
(通道在后)或 "channels_first"
(通道在前)。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 Keras 配置文件 ~/.keras/keras.json
中的 image_data_format
值。如果您从未设置它,则默认为 "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)))
from_preset
方法ResNetImageConverter.from_preset(preset, **kwargs)
从模型预设实例化一个 keras_hub.layers.ImageConverter
。
预设是一个包含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
可以是以下任一类型:
'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()
来列出此类上所有可用的内置预设。
参数
True
,权重将加载到模型架构中。如果为 False
,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 |
---|---|---|
resnet_18_imagenet | 11.19M | 在 ImageNet 1k 数据集上预训练的 18 层 ResNet 模型,分辨率为 224x224。 |
resnet_vd_18_imagenet | 11.72M | 在 ImageNet 1k 数据集上预训练的 18 层 ResNetVD(带有技巧包的 ResNet)模型,分辨率为 224x224。 |
resnet_vd_34_imagenet | 21.84M | 在 ImageNet 1k 数据集上预训练的 34 层 ResNetVD(带有技巧包的 ResNet)模型,分辨率为 224x224。 |
resnet_50_imagenet | 23.56M | 在 ImageNet 1k 数据集上预训练的 50 层 ResNet 模型,分辨率为 224x224。 |
resnet_v2_50_imagenet | 23.56M | 在 ImageNet 1k 数据集上预训练的 50 层 ResNetV2 模型,分辨率为 224x224。 |
resnet_vd_50_imagenet | 25.63M | 在 ImageNet 1k 数据集上预训练的 50 层 ResNetVD(带有技巧包的 ResNet)模型,分辨率为 224x224。 |
resnet_vd_50_ssld_imagenet | 25.63M | 在 ImageNet 1k 数据集上预训练的 50 层 ResNetVD(带有技巧包的 ResNet)模型,分辨率为 224x224,并使用知识蒸馏。 |
resnet_vd_50_ssld_v2_imagenet | 25.63M | 在 ImageNet 1k 数据集上预训练的 50 层 ResNetVD(带有技巧包的 ResNet)模型,分辨率为 224x224,并使用知识蒸馏和 AutoAugment。 |
resnet_vd_50_ssld_v2_fix_imagenet | 25.63M | 在 ImageNet 1k 数据集上预训练的 50 层 ResNetVD(带有技巧包的 ResNet)模型,分辨率为 224x224,并使用知识蒸馏、AutoAugment 以及对分类头进行了额外的微调。 |
resnet_101_imagenet | 42.61M | 在 ImageNet 1k 数据集上预训练的 101 层 ResNet 模型,分辨率为 224x224。 |
resnet_v2_101_imagenet | 42.61M | 在 ImageNet 1k 数据集上预训练的 101 层 ResNetV2 模型,分辨率为 224x224。 |
resnet_vd_101_imagenet | 44.67M | 在 ImageNet 1k 数据集上预训练的 101 层 ResNetVD(带有技巧包的 ResNet)模型,分辨率为 224x224。 |
resnet_vd_101_ssld_imagenet | 44.67M | 在 ImageNet 1k 数据集上预训练的 101 层 ResNetVD(带有技巧包的 ResNet)模型,分辨率为 224x224,并使用知识蒸馏。 |
resnet_152_imagenet | 58.30M | 在 ImageNet 1k 数据集上预训练的 152 层 ResNet 模型,分辨率为 224x224。 |
resnet_vd_152_imagenet | 60.36M | 在 ImageNet 1k 数据集上预训练的 152 层 ResNetVD(带有技巧包的 ResNet)模型,分辨率为 224x224。 |
resnet_vd_200_imagenet | 74.93M | 在 ImageNet 1k 数据集上预训练的 200 层 ResNetVD(带有技巧包的 ResNet)模型,分辨率为 224x224。 |