ViTBackbone 模型

[源代码]

ViTBackbone 类

keras_hub.models.ViTBackbone(
    image_shape,
    patch_size,
    num_layers,
    num_heads,
    hidden_dim,
    mlp_dim,
    dropout_rate=0.0,
    attention_dropout=0.0,
    layer_norm_epsilon=1e-06,
    use_mha_bias=True,
    use_mlp_bias=True,
    data_format=None,
    dtype=None,
    **kwargs
)

Vision Transformer (ViT) 主干网络。

此主干网络实现了《一张图片胜过 16x16 个词：用于大规模图像识别的 Transformer》中描述的 Vision Transformer 架构。它将输入图像转换为一系列补丁，对其进行嵌入，然后通过一系列 Transformer 编码器层进行处理。

参数

• image_shape: 一个由 3 个整数组成的元组或列表，表示输入图像的形状 (height, width, channels)，其中 height 和 width 必须相等。
• patch_size: int。每个图像补丁的大小，输入图像将被划分为形状为 (patch_size, patch_size) 的补丁。
• num_layers: int。Transformer 编码器层的数量。
• num_heads: int。指定每个 Transformer 编码器层中的注意力头数量。
• hidden_dim: int。隐藏表示的维度。
• mlp_dim: int。每个 Transformer 编码器层中中间 MLP 层的维度。
• dropout_rate: float。Transformer 编码器层的 dropout 率。
• attention_dropout: float。每个 Transformer 编码器层中注意力机制的 dropout 率。
• layer_norm_epsilon: float。用于层归一化中数值稳定性的值。
• use_mha_bias: bool。是否在多头注意力层中使用偏置。
• use_mlp_bias: bool。是否在 MLP 层中使用偏置。
• data_format: str。"channels_last" 或 "channels_first"，指定输入图像的数据格式。如果为 None，则默认为 "channels_last"。
• dtype: 层权重的 dtype。默认为 None。
• **kwargs: 要传递给父 Backbone 类的附加关键字参数。

[源代码]

from_preset 方法

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

从模型预设实例化一个 keras_hub.models.Backbone。

预设是一个包含配置、权重和其他文件资源的目录，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'

此构造函数可以通过两种方式调用。可以从基类调用，例如 keras_hub.models.Backbone.from_preset()，也可以从模型类调用，例如 keras_hub.models.GemmaBackbone.from_preset()。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推断。

对于任何 Backbone 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。

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`，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 Gemma backbone with pre-trained weights.
model = keras_hub.models.Backbone.from_preset(
    "gemma_2b_en",
)

# Load a Bert backbone with a pre-trained config and random weights.
model = keras_hub.models.Backbone.from_preset(
    "bert_base_en",
    load_weights=False,
)