tf.keras.applications.EfficientNetB1

Создаёт архитектуру EfficientNetB1.

Просмотреть псевдонимы

Основные псевдонимы

tf.keras.applications.efficientnet.EfficientNetB1

tf.keras.applications.EfficientNetB1(
    include_top=True,
    weights='imagenet',
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation='softmax',
    **kwargs
)

Ссылка:

EfficientNet: переосмысление масштабирования моделей для сверточных нейронных сетей (ICML 2019)

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

Примеры использования для классификации изображений см. на этой странице.

При использовании переноса обучения обязательно ознакомьтесь с руководством по переносу обучения и тонкой настройке.

Примечание: для каждого приложения Keras требуется определённый тип предварительной обработки входных данных. Для EfficientNet предварительная обработка входных данных включена в модель (в виде слоя Rescaling), поэтому keras.applications.efficientnet.preprocess_input фактически является функцией-пустышкой. Модели EfficientNet ожидают на вход тензоры пикселей с плавающей точкой, значения которых находятся в диапазоне [0-255].

Аргументы
`include_top`	Следует ли включать полносвязный слой в верхней части сети. По умолчанию — `True`.
`weights`	Одно из значений: `None` (случайная инициализация), `"imagenet"` (предварительное обучение на ImageNet) или путь к файлу весов для загрузки. По умолчанию — `"imagenet"`.
`input_tensor`	Необязательный тензор Keras (то есть выход `layers.Input()`), используемый в качестве входного изображения для модели.
`input_shape`	Необязательный кортеж формы, который указывается только в том случае, если `include_top` имеет значение False. Он должен содержать ровно 3 входных канала.
`pooling`	Необязательный режим пулинга для извлечения признаков, если `include_top` равно `False`. По умолчанию — `None`. `None` означает, что выходом модели будет 4D-тензор, полученный на последнем сверточном слое. `avg` означает, что к выходу последнего сверточного слоя будет применён глобальный пулинг со средним значением, поэтому выходом модели будет 2D-тензор. `max` означает, что будет применён глобальный пулинг с максимальным значением.
`classes`	Необязательное количество классов для классификации изображений. Указывается только в том случае, если `include_top` имеет значение True и аргумент `weights` не задан. В ImageNet 1000 классов. По умолчанию — `1000`.
`classifier_activation`	Значение типа `str` или вызываемый объект. Функция активации для верхнего слоя. Игнорируется, если `include_top=True`. Установите `classifier_activation=None`, чтобы функция возвращала логиты верхнего слоя. По умолчанию — `'softmax'`. При загрузке предварительно обученных весов `classifier_activation` может иметь только значение `None` или `"softmax"`.

Возвращает
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/EfficientNetB1