tf.keras.applications.EfficientNetB3

Инициализирует архитектуру EfficientNetB3.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.efficientnet.EfficientNetB3

tf.keras.applications.EfficientNetB3(
    include_top=True,
    weights='imagenet',
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation='softmax',
    **kwargs
)

Ссылка:

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

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

Для задач классификации изображений см. эту страницу для подробных примеров.

Для задач трансферного обучения ознакомьтесь с руководством по трансферному обучению и дообучению.

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

Аргументы
`include_top`	Включать ли полностью подключенный слой в верхней части сети. По умолчанию `True`.
`weights`	Один из `None` (случайная инициализация), `"imagenet"` (предварительная подготовка на ImageNet) или путь к файлу весов для загрузки. По умолчанию `"imagenet"`.
`input_tensor`	Необязательный Keras-тензор (например, вывод `layers.Input()`) для использования в качестве входных данных изображения для модели.
`input_shape`	Необязательная кортеж формы, который необходимо указать только в том случае, если `include_top` имеет значение False. Он должен содержать ровно 3 канала входных данных.
`pooling`	Необязательный режим пулинга для извлечения признаков, когда `include_top` имеет значение `False`. По умолчанию `None`. `None` означает, что выводом модели будет 4D-тензор, полученный с последнего свёрточного слоя. `avg` означает, что к выходу последнего свёрточного слоя будет применено глобальное усреднение пулинга, и, следовательно, выходом модели будет 2D-тензор. `max` означает, что будет применено глобальное максимальное пулинг.
`classes`	Необязательное число классов для классификации изображений, которое необходимо указать только в том случае, если `include_top` имеет значение True и 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/EfficientNetB3