tf.keras.applications.ConvNeXtLarge

Инициализирует архитектуру ConvNeXtLarge.

tf.keras.applications.ConvNeXtLarge(
    model_name='convnext_large',
    include_top=True,
    include_preprocessing=True,
    weights='imagenet',
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation='softmax'
)

Ссылки:

• A ConvNet for the 2020s (CVPR 2022)

Для случаев использования классификации изображений см. эту страницу для подробных примеров. Для случаев использования трансферного обучения убедитесь, что прочитали руководство по трансферному обучению и дообучению.

Модели base, large и xlarge были первоначально предварительно обучены на наборе данных ImageNet-21k, а затем дообучены на наборе данных ImageNet-1k. Предварительно обученные параметры моделей были собраны из официального репозитория. Чтобы понять, как эти параметры были преобразованы в параметры, совместимые с Keras, обратитесь к этому репозиторию.

Примечание: Каждый Keras Application ожидает определённой предобработки входных данных. Для ConvNeXt предобработка включена в модель с использованием слоя Normalization. Модели ConvNeXt ожидают, что их входные данные будут представлять собой float или uint8 тензоры пикселей со значениями в диапазоне [0-255].

При вызове метода summary() после инициализации модели ConvNeXt предпочтительно установить аргумент expand_nested summary() на True для лучшего исследования созданной модели.