KerasHub: 预训练模型 / API 文档 / 模型架构 / VGG / VGGImageClassifier 模型

VGGImageClassifier 模型

[源代码]

VGGImageClassifier

keras_hub.models.VGGImageClassifier(
    backbone,
    num_classes,
    preprocessor=None,
    pooling="avg",
    pooling_hidden_dim=4096,
    activation=None,
    dropout=0.0,
    head_dtype=None,
    **kwargs
)

VGG 图像分类任务。

VGGImageClassifier 任务包装了一个 keras_hub.models.VGGBackbone 和一个 keras_hub.models.Preprocessor,以创建一个可用于图像分类的模型。VGGImageClassifier 任务接受一个额外的 num_classes 参数,用于控制预测输出类别的数量。

要使用 fit() 进行微调,请传递一个包含 (x, y) 标签元组的数据集,其中 x 是字符串,y[0, num_classes) 范围内的整数。

需要注意的是,与 keras_hub.model.ImageClassifier 不同,VGGImageClassifier 允许并默认为 pooling="flatten",此时输入会被展平并通过两个中间全连接层,然后才进行最终输出投影。

参数

  • backbone:一个 keras_hub.models.VGGBackbone 实例或一个 keras.Model
  • num_classes:int。要预测的类别数量。
  • preprocessorNone、一个 keras_hub.models.Preprocessor 实例、一个 keras.Layer 实例或一个可调用对象。如果为 None,则不会对输入应用预处理。
  • pooling"flatten""avg""max"。应用于骨干网络输出的池化类型。默认值为 flatten,以匹配原始 VGG 实现,其中骨干网络输入将被展平并通过两个带有 "relu" 激活的全连接层。
  • pooling_hidden_dim:池化全连接层的输出特征大小。这仅适用于 pooling="flatten" 的情况。
  • activationNone、str 或可调用对象。用于 Dense 层的激活函数。将 activation 设置为 None 以返回输出 logits。默认为 "softmax"
  • head_dtypeNone、str 或 keras.mixed_precision.DTypePolicy。用于分类头计算和权重的 dtype。

示例

调用 predict() 运行推理。

# Load preset and train
images = np.random.randint(0, 256, size=(2, 224, 224, 3))
classifier = keras_hub.models.VGGImageClassifier.from_preset(
    "vgg_16_imagenet"
)
classifier.predict(images)

在单个批次上调用 fit()

# Load preset and train
images = np.random.randint(0, 256, size=(2, 224, 224, 3))
labels = [0, 3]
classifier = keras_hub.models.VGGImageClassifier.from_preset(
    "vgg_16_imagenet"
)
classifier.fit(x=images, y=labels, batch_size=2)

使用自定义损失、优化器和主干网络调用 fit()

classifier = keras_hub.models.VGGImageClassifier.from_preset(
    "vgg_16_imagenet"
)
classifier.compile(
    loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    optimizer=keras.optimizers.Adam(5e-5),
)
classifier.backbone.trainable = False
classifier.fit(x=images, y=labels, batch_size=2)

自定义主干网络。

images = np.random.randint(0, 256, size=(2, 224, 224, 3))
labels = [0, 3]
model = keras_hub.models.VGGBackbone(
    stackwise_num_repeats = [2, 2, 3, 3, 3],
    stackwise_num_filters = [64, 128, 256, 512, 512],
    image_shape = (224, 224, 3),
)
classifier = keras_hub.models.VGGImageClassifier(
    backbone=backbone,
    num_classes=4,
)
classifier.fit(x=images, y=labels, batch_size=2)

[源代码]

from_preset 方法

VGGImageClassifier.from_preset(preset, load_weights=True, **kwargs)

从模型预设实例化一个 keras_hub.models.Task

预设是一个包含配置、权重和其他文件资产的目录,用于保存和加载预训练模型。preset 可以作为以下之一传递:

  1. 一个内置的预设标识符,如 'bert_base_en'
  2. 一个 Kaggle Models 句柄,如 'kaggle://user/bert/keras/bert_base_en'
  3. 一个 Hugging Face 句柄,如 'hf://user/bert_base_en'
  4. 一个本地预设目录的路径,如 './bert_base_en'

对于任何 Task 子类,您都可以运行 cls.presets.keys() 来列出该类上所有可用的内置预设。

这个构造函数可以通过两种方式调用。可以从特定任务的基类(如 keras_hub.models.CausalLM.from_preset())调用,也可以从模型类(如 keras_hub.models.BertTextClassifier.from_preset())调用。如果从基类调用,则返回对象的子类将根据预设目录中的配置进行推断。

参数

  • preset:字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。
  • load_weights: 布尔值。如果为 True,已保存的权重将被加载到模型架构中。如果为 False,所有权重将被随机初始化。

示例

# Load a Gemma generative task.
causal_lm = keras_hub.models.CausalLM.from_preset(
    "gemma_2b_en",
)

# Load a Bert classification task.
model = keras_hub.models.TextClassifier.from_preset(
    "bert_base_en",
    num_classes=2,
)
预设 参数 描述
vgg_11_imagenet 9.22M 11 层 VGG 模型,在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vgg_13_imagenet 9.40M 13 层 VGG 模型,在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vgg_16_imagenet 14.71M 16 层 VGG 模型,在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vgg_19_imagenet 20.02M 19 层 VGG 模型,在 224x224 分辨率的 ImageNet 1k 数据集上预训练。

backbone 属性

keras_hub.models.VGGImageClassifier.backbone

一个具有核心架构的 keras_hub.models.Backbone 模型。


preprocessor 属性

keras_hub.models.VGGImageClassifier.preprocessor

用于预处理输入的 keras_hub.models.Preprocessor 层。