tf.keras.applications.EfficientNetB5

Инициализирует архитектуру EfficientNetB5.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.efficientnet.EfficientNetB5

tf.keras.applications.EfficientNetB5(
    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 наборе данных ImageNet.

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

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

Примечание: каждая Keras-приложение ожидает определённой предобработки входных данных. Для EfficientNet предобработка входных данных включена в модель (как слой Rescaling), и, следовательно, keras.applications.efficientnet.preprocess_input фактически является функцией пропуска. Модели EfficientNet ожидают, что их входными данными будут 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"` (предварительная подготовка 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 входных данных изображения для модели.
`input_shape`	Необязательная кортеж формы, необходимо указывать только если `include_top` False. Он должен иметь ровно 3 входных канала.
`pooling`	Необязательный режим пулинга для извлечения признаков, когда `include_top` это `False`. По умолчанию `None`. `None` означает, что результатом модели будет 4D-тензор выходного значения последнего свёрточного слоя. `avg` означает, что будет применено глобальное усреднение по выходу последнего свёрточного слоя, и, следовательно, результатом модели будет 2D-тензор. `max` означает, что будет применено глобальное максимальное пулинг.
`classes`	Необязательное количество классов для классификации изображений, нужно указывать только если `include_top` True, и если не указан аргумент `weights`. 1000 - это количество классов в ImageNet. По умолчанию `1000`.
`classifier_activation`	`str` или вызываемый объект. Функция активации для использования на верхнем слое. Игнорируется, если `include_top=True`. Установите `classifier_activation=None` для возвращения 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/EfficientNetB5