tf.keras.applications.EfficientNetB4

Создаёт архитектуру EfficientNetB4.

Посмотреть псевдонимы

Основные псевдонимы

tf.keras.applications.efficientnet.EfficientNetB4

tf.keras.applications.EfficientNetB4(
    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 трансферного обучения обязательно ознакомьтесь с руководством по трансферному обучению и тонкой настройке.

Примечание: для каждого приложения Keras требуется определённый вид предварительной обработки входных данных. В EfficientNet предварительная обработка входных данных включена в модель (в виде слоя Rescaling), поэтому keras.applications.efficientnet.preprocess_input фактически является функцией-пустышкой. В качестве входных данных модели EfficientNet принимают тензоры пикселей типа float со значениями в диапазоне [0-255].

Аргументы
`include_top`	Добавлять ли полносвязный слой в верхнюю часть 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 выходные данные `layers.Input()`), используемый в качестве входных изображений модели.
`input_shape`	Необязательный кортеж формы, который следует указывать 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` имеет значение `False`. По умолчанию — `None`. `None` означает, что выходом модели будет 4D-тензор, являющийся выходом последнего сверточного слоя. `avg` означает, что к выходу последнего сверточного слоя будет применён глобальный пулинг среднего, поэтому выходом модели будет 2D-тензор. `max` означает, что будет применён глобальный пулинг максимума.
`classes`	Необязательное количество классов для классификации изображений. Указывать его следует только в том случае, если `include_top` имеет значение True и аргумент `weights` не задан. В ImageNet 1000 классов. По умолчанию — `1000`.
`classifier_activation`	Объект типа `str` или вызываемый объект. Функция активации для верхнего слоя. Игнорируется, если не задано `include_top=True`. Установите `classifier_activation=None`, чтобы возвращать логиты верхнего слоя. По умолчанию — `'softmax'`. При загрузке предварительно обученных весов значение `classifier_activation` может быть только `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/EfficientNetB4