tf.keras.applications.EfficientNetB4

Инициализирует архитектуру EfficientNetB4.

Просмотр псевдонимов

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

Эта функция возвращает Keras-модель для классификации изображений, необязательно загруженную с предобученными весами на основе набора данных ImageNet.

Для случаев использования классификации изображений ознакомьтесь со этой страницей с подробными примерами.

Для случаев использования обучения с передачей знаний обязательно прочитайте руководство по обучению с передачей знаний и дообучению.

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

Аргументы
`include_top`	Включать ли полностью подключенный слой в верхней части сети. По умолчанию `True`.
`weights`	Одно из значений `None` (случайная инициализация), `"imagenet"` (предобучение на ImageNet) или путь к файлу весов для загрузки. По умолчанию `"imagenet"`.
`input_tensor`	Необязательный Keras-тензор (т.е. результат работы `layers.Input()`) для использования в качестве входного изображения для модели.
`input_shape`	Необязательная кортеж формы, который нужно указывать только если `include_top` равно False. Он должен содержать ровно 3 канала входных данных.
`pooling`	Необязательный режим пулинга для извлечения признаков, когда `include_top` равно `False`. По умолчанию `None`. `None` означает, что выходной сигнал модели будет 4D-тензором, выходом последнего свёрточного слоя. `avg` означает, что к выходу последнего свёрточного слоя будет применено глобальное усреднение, а выходной сигнал модели будет 2D-тензором. `max` означает, что будет применено глобальное максимальное пулинг.
`classes`	Необязательное количество классов для классификации изображений, которое нужно указывать только если `include_top` равно True и если не указан аргумент `weights`. 1000 — это количество классов ImageNet. По умолчанию `1000`.
`classifier_activation`	`str` или вызываемая функция. Функция активации, которую следует использовать для верхнего слоя. Игнорируется, если `include_top=True`. Установите `classifier_activation=None` для возврата логарифмических вероятностей верхнего слоя. По умолчанию `'softmax'`. При загрузке предобученных 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/EfficientNetB4