tf.keras.applications.EfficientNetB0

Инициализирует архитектуру EfficientNetB0.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.efficientnet.EfficientNetB0

tf.keras.applications.EfficientNetB0(
    include_top=True,
    weights='imagenet',
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation='softmax',
    **kwargs
)

Используется в ноутбуках

Используется в учебниках
Загрузка видеоданных

Ссылка:

EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks (ICML 2019)

Эта функция возвращает Keras модель классификации изображений, необязательно загруженную с предварительно обученными весами на ImageNet.

Для случаев использования классификации изображений см. эту страницу для подробных примеров.

Для случаев использования переносного обучения убедитесь, что вы прочитали руководство по переносному обучению и доработке.

Примечание: каждая Keras Application ожидает определенный вид предварительной обработки входных данных. Для EfficientNet предварительная обработка ввода включена в модель (как слой Rescaling), и, следовательно, keras.applications.efficientnet.preprocess_input фактически является проходной функцией. Модели EfficientNet ожидают, что их входные данные будут представлять собой плавающие тензоры пикселей со значениями в диапазоне [0-255].

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), или путь к файлу весов для загрузки. По умолчанию `"imagenet"`.
`input_tensor`	Необязательный Keras тензор (т.е. результат `layers.Input()`) для использования в качестве входных данных изображения для модели.
`input_shape`	Необязательная кортеж формы, который необходимо указывать только в том случае, если `include_top` равно False. Он должен иметь ровно 3 входных канала.
`pooling`	Необязательный режим агрегирования для извлечения признаков, когда `include_top` равно `False`. По умолчанию `None`. `None` означает, что выход модели будет 4D тензором выходом последнего сверточного слоя. `avg` означает, что к выходу последнего сверточного слоя будет применено глобальное усреднение, и, следовательно, выход модели будет 2D тензором. `max` означает, что будет применено глобальное максимальное объединение.
`classes`	Необязательное количество классов для классификации изображений, которое необходимо указать только в том случае, если `include_top` равно True, и если не указан аргумент `weights`. 1000 - это количество классов ImageNet. По умолчанию `1000`.
`classifier_activation`	`str` или вызываемый объект. Функция активации для использования в верхнем слое. Игнорируется, если `include_top=True`. Установите `classifier_activation=None` для возврата логарифмов 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/EfficientNetB0