SigLIPTokenizer
类keras_hub.tokenizers.SigLIPTokenizer(proto, **kwargs)
基于 SentencePiece 的 SigLIP 分词器层。
此分词器类将原始字符串分词为整数序列,并基于 keras_hub.tokenizers.SentencePieceTokenizer
。与底层分词器不同,它会检查 SigLIP 模型所需的所有特殊 token,并提供一个 from_preset()
方法来自动下载匹配 SigLIP 预设的词汇表。
如果输入是字符串批次(rank > 0),该层将输出一个 tf.RaggedTensor
,其中输出的最后一维是 ragged 的。
如果输入是标量字符串(rank == 0),该层将输出一个密集 tf.Tensor
,其静态形状为 [None]
。
参数
string
路径,或包含序列化 SentencePiece proto 的 bytes
对象。有关格式的更多详细信息,请参阅 SentencePiece 仓库。示例
# Unbatched input.
tokenizer = keras_hub.models.SigLIPTokenizer.from_preset(
"siglip_base_patch16_224"
)
tokenizer("The quick brown fox jumped.")
# Batched input.
tokenizer(["The quick brown fox jumped.", "The fox slept."])
# Detokenization.
tokenizer.detokenize(tokenizer("The quick brown fox jumped."))
# Custom vocabulary.
bytes_io = io.BytesIO()
ds = tf.data.Dataset.from_tensor_slices(["The quick brown fox jumped."])
sentencepiece.SentencePieceTrainer.train(
sentence_iterator=ds.as_numpy_iterator(),
model_writer=bytes_io,
vocab_size=8,
model_type="WORD",
pad_id=0,
bos_id=1,
eos_id=2,
unk_id=3,
unk_piece="<unk>",
)
tokenizer = keras_hub.models.SigLIPTokenizer(
proto=bytes_io.getvalue(),
)
tokenizer("The quick brown fox jumped.")
from_preset
方法SigLIPTokenizer.from_preset(preset, config_file="tokenizer.json", **kwargs)
从模型预设实例化一个 keras_hub.models.Tokenizer
。
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
可以以下列方式之一传递:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
对于任何 Tokenizer
子类,您可以运行 cls.presets.keys()
来列出该类上所有可用的内置预设。
此构造函数可以通过两种方式之一调用。要么从基类调用,例如 keras_hub.models.Tokenizer.from_preset()
,要么从模型类调用,例如 keras_hub.models.GemmaTokenizer.from_preset()
。如果从基类调用,则返回对象的子类将从预设目录中的配置推断出来。
参数
True
,权重将被加载到模型架构中。如果为 False
,权重将被随机初始化。示例
# Load a preset tokenizer.
tokenizer = keras_hub.tokenizer.Tokenizer.from_preset("bert_base_en")
# Tokenize some input.
tokenizer("The quick brown fox tripped.")
# Detokenize some input.
tokenizer.detokenize([5, 6, 7, 8, 9])
预设 | 参数量 | 描述 |
---|---|---|
siglip_base_patch16_224 | 203.16M | 2 亿参数,图像尺寸 224,在 WebLi 上预训练。 |
siglip_base_patch16_256 | 203.20M | 2 亿参数,图像尺寸 256,在 WebLi 上预训练。 |
siglip_base_patch16_384 | 203.45M | 2 亿参数,图像尺寸 384,在 WebLi 上预训练。 |
siglip_base_patch16_512 | 203.79M | 2 亿参数,图像尺寸 512,在 WebLi 上预训练。 |
siglip_base_patch16_256_multilingual | 370.63M | 3.7 亿参数,图像尺寸 256,在 WebLi 上预训练。 |
siglip2_base_patch16_224 | 375.19M | 3.75 亿参数,patch 尺寸 16,图像尺寸 224,在 WebLi 上预训练。 |
siglip2_base_patch16_256 | 375.23M | 3.75 亿参数,patch 尺寸 16,图像尺寸 256,在 WebLi 上预训练。 |
siglip2_base_patch32_256 | 376.86M | 3.76 亿参数,patch 尺寸 32,图像尺寸 256,在 WebLi 上预训练。 |
siglip2_base_patch16_384 | 376.86M | 3.76 亿参数,patch 尺寸 16,图像尺寸 384,在 WebLi 上预训练。 |
siglip_large_patch16_256 | 652.15M | 6.52 亿参数,图像尺寸 256,在 WebLi 上预训练。 |
siglip_large_patch16_384 | 652.48M | 6.52 亿参数,图像尺寸 384,在 WebLi 上预训练。 |
siglip_so400m_patch14_224 | 877.36M | 8.77 亿参数,图像尺寸 224,形状优化版本,在 WebLi 上预训练。 |
siglip_so400m_patch14_384 | 877.96M | 8.77 亿参数,图像尺寸 384,形状优化版本,在 WebLi 上预训练。 |
siglip2_large_patch16_256 | 881.53M | 8.81 亿参数,patch 尺寸 16,图像尺寸 256,在 WebLi 上预训练。 |
siglip2_large_patch16_384 | 881.86M | 8.81 亿参数,patch 尺寸 16,图像尺寸 384,在 WebLi 上预训练。 |
siglip2_large_patch16_512 | 882.31M | 8.82 亿参数,patch 尺寸 16,图像尺寸 512,在 WebLi 上预训练。 |
siglip_so400m_patch16_256_i18n | 1.13B | 11 亿参数,图像尺寸 256,形状优化版本,在 WebLi 上预训练。 |
siglip2_so400m_patch14_224 | 1.14B | 11 亿参数,patch 尺寸 14,图像尺寸 224,形状优化版本,在 WebLi 上预训练。 |
siglip2_so400m_patch16_256 | 1.14B | 11 亿参数,patch 尺寸 16,图像尺寸 256,形状优化版本,在 WebLi 上预训练。 |
siglip2_so400m_patch14_384 | 1.14B | 11 亿参数,patch 尺寸 14,图像尺寸 224,形状优化版本,在 WebLi 上预训练。 |
siglip2_so400m_patch16_384 | 1.14B | 11 亿参数,patch 尺寸 16,图像尺寸 384,形状优化版本,在 WebLi 上预训练。 |
siglip2_so400m_patch16_512 | 1.14B | 11 亿参数,patch 尺寸 16,图像尺寸 512,形状优化版本,在 WebLi 上预训练。 |
siglip2_giant_opt_patch16_256 | 1.87B | 18 亿参数,patch 尺寸 16,图像尺寸 256,在 WebLi 上预训练。 |
siglip2_giant_opt_patch16_384 | 1.87B | 18 亿参数,patch 尺寸 16,图像尺寸 384,在 WebLi 上预训练。 |