图像分类
图像分类是将标签或类别分配给整个图像的任务。每个图像都应该只包含一个类别。
有关image-classification
任务的更多详细信息,请查看其专用页面!您将在其中找到示例和相关资料。
推荐模型
- google/vit-base-patch16-224:一个强大的图像分类模型。
- facebook/deit-base-distilled-patch16-224:一个鲁棒的图像分类模型。
探索所有可用的模型并找到最适合您的模型在此处。
使用 API
Python
JavaScript
cURL
import requests
API_URL = "https://api-inference.huggingface.co/models/google/vit-base-patch16-224"
headers = {"Authorization": "Bearer hf_***"}
def query(filename):
with open(filename, "rb") as f:
data = f.read()
response = requests.post(API_URL, headers=headers, data=data)
return response.json()
output = query("cats.jpg")
要使用 Python 客户端,请参阅huggingface_hub
的包参考。
API 规范
请求
有效负载 | ||
---|---|---|
inputs* | 字符串 | 输入图像数据,以 base64 编码的字符串形式提供。如果未提供parameters ,您也可以将图像数据作为原始字节有效负载提供。 |
parameters | 对象 | 图像分类的其他推理参数 |
function_to_apply | 枚举 | 可能的值:sigmoid、softmax、none。 |
top_k | 整数 | 指定时,将输出限制为概率最高的 K 个类别。 |
可以通过向推理 API 传递标头来配置某些选项。以下是可用的标头
标头 | ||
---|---|---|
authorization | 字符串 | 身份验证标头,格式为'Bearer: hf_****' ,其中hf_**** 是具有推理 API 权限的个人用户访问令牌。您可以从您的设置页面生成一个。 |
x-use-cache | 布尔值,默认为true | 推理 API 上有一个缓存层,可以加快我们已经看到的请求速度。大多数模型可以使用这些结果,因为它们是确定性的(这意味着输出无论如何都将相同)。但是,如果您使用的是非确定性模型,则可以将此参数设置为阻止使用缓存机制,从而导致真正的新的查询。阅读更多关于缓存的信息此处。 |
x-wait-for-model | 布尔值,默认为false
| 如果模型未就绪,请等待,而不是收到 503 错误。这可以减少获取推理结果所需的请求次数。建议仅在收到 503 错误后才将此标志设置为 true,因为它会将应用程序挂起限制在已知位置。有关模型可用性的更多信息,请点击此处。 |
有关推理 API 标头的更多信息,请查看参数指南。
响应
主体 | ||
---|---|---|
(数组) | object[] | 输出是一个对象数组。 |
标签 | 字符串 | 预测的类别标签。 |
得分 | 数字 | 相应的概率。 |