tf.keras.applications.ConvNeXtXLarge

Инициализирует архитектуру ConvNeXtXLarge.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.convnext.ConvNeXtXLarge

tf.keras.applications.ConvNeXtXLarge(
    model_name='convnext_xlarge',
    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 с подробными примерами. Для задач трансферного обучения обязательно ознакомьтесь с руководством по трансферному обучению и доработке.

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: Каждое приложение Keras ожидает определённой предварительной обработки входных данных. Для ConvNeXt предварительная обработка включена в модель с использованием слоя Normalization. Модели ConvNeXt ожидают, что их входные данные будут представлять собой тензоры float или uint8 пикселей со значениями в диапазоне [0-255].

При вызове метода summary() после инициализации модели ConvNeXt, предпочтительнее установить аргумент expand_nested summary() значение True для лучшего изучения инициализированной модели.

Аргументы
`include_top`	Включать ли полносвязный слой в верхней части сети. По умолчанию `True`.
`weights`	Один из `None` (случайная инициализация), `"imagenet"` (предварительное обучение на ImageNet-1k) или путь к файлу весов для загрузки. По умолчанию `"imagenet"`.
`input_tensor`	Необязательный тензор Keras (т.е. результат `layers.Input()`) для использования в качестве входных данных изображения для модели.
`input_shape`	Необязательная кортеж формы, который нужно указывать только если `include_top` равняется `False`. Он должен иметь ровно 3 входных канала.
`pooling`	Необязательный режим пулинга для извлечения признаков, когда `include_top` равен `False`. По умолчанию None. `None` означает, что выход модели будет 4D тензором, являющимся результатом последнего свёрточного слоя. `avg` означает, что к выходу последнего свёрточного слоя будет применено глобальное усреднение пулинга, и, следовательно, выход модели будет 2D тензором. `max` означает, что будет применено глобальное максимальное пулингование.
`classes`	Необязательное количество классов для классификации изображений, которое нужно указывать только если `include_top` равно `True` и если не указан аргумент `weights`. По умолчанию 1000 (количество классов ImageNet).
`classifier_activation`	A `str` или вызываемая функция. Функция активации для использования на слое "верхнего" уровня. Игнорируется, если `include_top=True`. Установите `classifier_activation=None`, чтобы получить логиты слоя "верхнего" уровня. 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/ConvNeXtXLarge