FluxTextToImagePreprocessor 层

[源代码]

FluxTextToImagePreprocessor 类

keras_hub.models.FluxTextToImagePreprocessor(
    clip_l_preprocessor, t5_preprocessor=None, **kwargs
)

Flux 文本到图像模型预处理器。

此预处理层旨在与 keras_hub.models.FluxTextToImagePreprocessor 配合使用。

为了用于生成，该层公开了一个方法 generate_preprocess()。

参数

• clip_l_preprocessor：一个 keras_hub.models.CLIPPreprocessor 实例。
• t5_preprocessor：一个可选的 keras_hub.models.T5Preprocessor 实例。

[源代码]

from_preset 方法

FluxTextToImagePreprocessor.from_preset(
    preset, config_file="preprocessor.json", **kwargs
)

从模型预设实例化一个 keras_hub.models.Preprocessor。

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 Preprocessor 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。

由于一个给定模型通常有多个预处理类，因此应在特定的子类上调用此方法，例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()。

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。

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",
)