VGG图像分类器预处理器层
VGGImageClassifierPreprocessor 类
keras_hub.models.VGGImageClassifierPreprocessor(image_converter=None, **kwargs)
图像分类预处理层的基类。
ImageClassifierPreprocessor 任务封装了 keras_hub.layers.ImageConverter，以创建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，即第一个输入，应始终包含。它可以是图像或一批图像。请参阅以下示例。y 和 sample_weight 是可选输入，将保持不变地传递。通常，y 将是分类标签，并且不会提供 sample_weight。
该层将输出 x，如果提供了标签，则输出 (x, y) 元组，如果提供了标签和样本权重，则输出 (x, y, sample_weight) 元组。x 将是应用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)
from_preset 方法
VGGImageClassifierPreprocessor.from_preset(
preset, config_file="preprocessor.json", **kwargs
)
从模型预设实例化 keras_hub.models.Preprocessor。
预设是一个目录，其中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。preset 可以作为以下之一传递
- 内置预设标识符，例如
'bert_base_en' - Kaggle Models 句柄，例如
'kaggle://user/bert/keras/bert_base_en' - Hugging Face 句柄，例如
'hf://user/bert_base_en' - 本地预设目录的路径，例如
'./bert_base_en'
对于任何 Preprocessor 子类，您可以运行 cls.presets.keys() 以列出该类上所有可用的内置预设。
由于给定模型通常有多个预处理类，因此应在特定的子类（如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()）上调用此方法。
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。
示例
# Load a preprocessor for Gemma generation.
preprocessor = keras_hub.models.CausalLMPreprocessor.from_preset(
"gemma_2b_en",
)
# Load a preprocessor for Bert classification.
preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset(
"bert_base_en",
)
| 预设 | 参数 | 描述 |
|---|---|---|
| vgg_11_imagenet | 9.22M | 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 11 层 vgg 模型。 |
| vgg_13_imagenet | 9.40M | 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 13 层 vgg 模型。 |
| vgg_16_imagenet | 14.71M | 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 16 层 vgg 模型。 |
| vgg_19_imagenet | 20.02M | 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 19 层 vgg 模型。 |
image_converter 属性
keras_hub.models.VGGImageClassifierPreprocessor.image_converter
用于预处理图像数据的图像转换器。