tf.keras.applications.ConvNeXtSmall

Инициализирует архитектуру ConvNeXtSmall.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.convnext.ConvNeXtSmall

tf.keras.applications.ConvNeXtSmall(
    model_name='convnext_small',
    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 задач классификации изображений см. эту страницу для подробных примеров. Для задач переноса обучения обязательно ознакомьтесь с руководством по переносу обучения 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 совместимые с Keras параметры, обратитесь к этому репозиторию.

Примечание: Каждый Keras Application ожидает определённой предобработки входных данных. Для ConvNeXt предобработка включена в модель с помощью слоя Normalization. Модели ConvNeXt ожидают входных данных в виде float или uint8 тензоров пикселей со значениями в диапазоне [0-255].

При вызове метода summary() после инициализации модели ConvNeXt, предпочтительнее установить аргумент expand_nested со значением summary() равным True, чтобы лучше изучить созданную модель.

Аргументы
`include_top`	Включать ли полносвязный слой вверху сети. По умолчанию `True`.
`weights`	Одно из значений `None` (случайная инициализация), `"imagenet"` (предварительное обучение на ImageNet-1k) или путь к файлу весов для загрузки. По умолчанию `"imagenet"`.
`input_tensor`	Необязательный Keras тензор (например, результат работы `layers.Input()`) для использования в качестве входного изображения для модели.
`input_shape`	Необязательная кортеж формы, который указывается только в случае, если `include_top` равен `False`. Он должен иметь ровно 3 канала входных данных.
`pooling`	Необязательный режим пулинга для извлечения признаков, когда `include_top` равен `False`. По умолчанию None. `None` означает, что выход модели будет 4D тензором, выходом последнего свёрточного слоя. `avg` означает, что к выходу последнего свёрточного слоя будет применена глобальная средняя пулинг, и поэтому выход модели будет 2D тензором. `max` означает, что будет применена глобальная максимальная пулинг.
`classes`	Необязательное число классов для классификации изображений, которое указывается только в случае, если `include_top` равно `True`, и если не указан аргумент `weights`. По умолчанию 1000 (количество классов ImageNet).
`classifier_activation`	Функция активации или вызываемый объект. Функция активации для использования на верхнем слое. Игнорируется, если `include_top=True`. Установка в `classifier_activation=None` возвращает логарифмы "верхнего" слоя. По умолчанию `"softmax"`. При загрузке предварительно обученных весов, `classifier_activation` может быть только `None` или `"softmax"`.

Возвращаемое значение
Экземпляр модели.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/applications/ConvNeXtSmall