► KerasHub：预训练模型 / API 文档 / 模型架构 / SigLIP / SigLIPPreprocessor

SigLIPPreprocessor

`SigLIPPreprocessor` 类

keras_hub.models.SigLIPPreprocessor(
    tokenizer,
    image_converter=None,
    sequence_length=64,
    add_start_token=False,
    add_end_token=True,
    canonicalize_text=True,
    **kwargs
)

SigLIP 预处理器。

这个预处理层旨在与 keras_hub.models.SigLIPBackbone 一起使用。默认情况下，它接收成批的字符串和图像，并返回 token ID 和调整大小后的图像。

参数

tokenizer：一个 keras_hub.models.SigLIPTokenizer 实例。
image_converter：一个 keras_hub.models.SigLIPImageConverter 实例。
sequence_length：打包输入的长度。
add_start_token：如果为 True，预处理器将在每个输入序列前加上分词器起始 token。默认为 False。
add_end_token：如果为 True，预处理器将在每个输入序列后加上分词器结束 token。默认为 True。
canonicalize_text：如果为 True，输入字符串将被规范化（转换为小写、去除标点符号和空白字符）。

调用参数

x：一个包含 "prompts" 和 "images" 键的字典，其中 "prompts" 是 tf.Tensor 或 Python 字符串列表，"images" 是图像张量。
y：标签数据。应始终为 None，因为 SigLIP 不需要标签来计算损失。
sample_weight：标签权重。
sequence_length：传递此参数以覆盖层配置的 sequence_length。

示例

# Load the preprocessor from a preset.
preprocessor = keras_hub.models.SigLIPPreprocessor.from_preset(
    "siglip_base_patch16_224"
)

# Tokenize the sentence and preprocess the image.
preprocessor(
    {
        "prompts": "The quick brown fox jumped.",
        "images": np.ones(shape=(123, 123, 3)),
    }
)

# Tokenize a batch of sentences and preprocess a batch of images.
preprocessor(
    {
        "prompts": ["The quick brown fox jumped.", "The fox slept."],
        "images": np.ones(shape=(2, 123, 123, 3)),
    }
)

[源]

`from_preset` 方法

SigLIPPreprocessor.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，您都可以运行 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。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
siglip_base_patch16_224	203.16M	2 亿参数，图像尺寸 224，在 WebLi 上进行预训练。
siglip_base_patch16_256	203.20M	2 亿参数，图像尺寸 256，在 WebLi 上进行预训练。
siglip_base_patch16_384	203.45M	2 亿参数，图像尺寸 384，在 WebLi 上进行预训练。
siglip_base_patch16_512	203.79M	2 亿参数，图像尺寸 512，在 WebLi 上进行预训练。
siglip_base_patch16_256_multilingual	370.63M	3.7 亿参数，图像尺寸 256，在 WebLi 上进行预训练。
siglip2_base_patch16_224	375.19M	3.75 亿参数，patch 尺寸 16，图像尺寸 224，在 WebLi 上进行预训练。
siglip2_base_patch16_256	375.23M	3.75 亿参数，patch 尺寸 16，图像尺寸 256，在 WebLi 上进行预训练。
siglip2_base_patch32_256	376.86M	3.76 亿参数，patch 尺寸 32，图像尺寸 256，在 WebLi 上进行预训练。
siglip2_base_patch16_384	376.86M	3.76 亿参数，patch 尺寸 16，图像尺寸 384，在 WebLi 上进行预训练。
siglip_large_patch16_256	652.15M	6.52 亿参数，图像尺寸 256，在 WebLi 上进行预训练。
siglip_large_patch16_384	652.48M	6.52 亿参数，图像尺寸 384，在 WebLi 上进行预训练。
siglip_so400m_patch14_224	877.36M	8.77 亿参数，图像尺寸 224，形状优化版本，在 WebLi 上进行预训练。
siglip_so400m_patch14_384	877.96M	8.77 亿参数，图像尺寸 384，形状优化版本，在 WebLi 上进行预训练。
siglip2_large_patch16_256	881.53M	8.81 亿参数，patch 尺寸 16，图像尺寸 256，在 WebLi 上进行预训练。
siglip2_large_patch16_384	881.86M	8.81 亿参数，patch 尺寸 16，图像尺寸 384，在 WebLi 上进行预训练。
siglip2_large_patch16_512	882.31M	8.82 亿参数，patch 尺寸 16，图像尺寸 512，在 WebLi 上进行预训练。
siglip_so400m_patch16_256_i18n	1.13B	11 亿参数，图像尺寸 256，形状优化版本，在 WebLi 上进行预训练。
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 上进行预训练。
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 上进行预训练。
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 上进行预训练。
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 上进行预训练。
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 上进行预训练。
siglip2_giant_opt_patch16_256	1.87B	18 亿参数，patch 尺寸 16，图像尺寸 256，在 WebLi 上进行预训练。
siglip2_giant_opt_patch16_384	1.87B	18 亿参数，patch 尺寸 16，图像尺寸 384，在 WebLi 上进行预训练。

`tokenizer` 属性

keras_hub.models.SigLIPPreprocessor.tokenizer

用于分词字符串的分词器。

SigLIPPreprocessor

SigLIPPreprocessor 类

from_preset 方法

tokenizer 属性

SigLIPPreprocessor

SigLIPPreprocessor 类

from_preset 方法

tokenizer 属性

`SigLIPPreprocessor` 类

`from_preset` 方法

`tokenizer` 属性