RyzenAI模型

optimum.amd.ryzenai.pipeline

( task model: typing.Optional[typing.Any] = None vaip_config: typing.Optional[str] = None model_type: typing.Optional[str] = None feature_extractor: typing.Union[str, ForwardRef('PreTrainedFeatureExtractor'), NoneType] = None image_processor: typing.Union[str, transformers.image_processing_utils.BaseImageProcessor, NoneType] = None use_fast: bool = True token: typing.Union[bool, str, NoneType] = None revision: typing.Optional[str] = None **kwargs ) → Pipeline

参数

task (str) — 定义将返回哪个管道的任务。可用任务包括：
- “image-classification”（图像分类）
- “object-detection”（目标检测）
model (Optional[Any], 默认为 None) — 管道将用于进行预测的模型。这可以是一个模型标识符或一个预训练模型的实际实例。如果未提供，将加载指定任务的默认模型。
vaip_config (Optional[str], 默认为 None) — 用于 Ryzen IPU 推理的运行时配置文件。默认配置文件可在 Ryzen AI VOE 包中找到，在安装过程中会提取名为 vaip_config.json 的文件。
model_type (Optional[str], 默认为 None) — 模型的模型类型
feature_extractor (Union[str, "PreTrainedFeatureExtractor"], 默认为 None) — 管道将用于编码模型数据的特征提取器。这可以是一个模型标识符或一个实际的预训练特征提取器。
image_processor (Union[str, BaseImageProcessor], 默认为 None) — 管道将用于图像相关任务的图像处理器。
use_fast (bool, 默认为 True) — 如果可能，是否使用快速分词器。
token (Union[str, bool], 默认为 None) — 用作远程文件 HTTP 持有者授权的令牌。如果为 True，将使用运行 huggingface-cli login 时生成的令牌（存储在 ~/.huggingface 中）。
revision (str, 默认为 None) — 要使用的特定模型版本，指定为分支名称、标签名称或提交 ID。
**kwargs — 传递给底层管道类的附加关键字参数。

流水线

给定任务和模型的指定管道实例。

构建用于各种 RyzenAI 任务的管道的实用方法。

此函数为指定任务创建一个管道，利用给定模型或加载该任务的默认模型。该管道包括图像处理器和模型等组件。

计算机视觉

class optimum.amd.ryzenai.pipelines.TimmImageClassificationPipeline

< 源 >

( model: typing.Union[ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] tokenizer: typing.Optional[transformers.tokenization_utils.PreTrainedTokenizer] = None feature_extractor: typing.Optional[ForwardRef('SequenceFeatureExtractor')] = None image_processor: typing.Optional[transformers.image_processing_utils.BaseImageProcessor] = None processor: typing.Optional[transformers.processing_utils.ProcessorMixin] = None modelcard: typing.Optional[transformers.modelcard.ModelCard] = None framework: typing.Optional[str] = None task: str = '' args_parser: ArgumentHandler = None device: typing.Union[int, ForwardRef('torch.device')] = None torch_dtype: typing.Union[str, ForwardRef('torch.dtype'), NoneType] = None binary_output: bool = False **kwargs )

用法示例

import requests
from PIL import Image

from optimum.amd.ryzenai import pipeline

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

model_id = "mohitsha/timm-resnet18-onnx-quantized-ryzen"

pipe = pipeline("image-classification", model=model_id, vaip_config="vaip_config.json")
print(pipe(image))

class optimum.amd.ryzenai.pipelines.YoloObjectDetectionPipeline