tf.keras.applications.EfficientNetB7

Инициализирует архитектуру EfficientNetB7.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.efficientnet.EfficientNetB7

tf.keras.applications.EfficientNetB7(
    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 модель Keras для классификации изображений, при необходимости загруженную с предобученными весами на наборе данных ImageNet.

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

Для использования трансферного обучения обязательно прочитайте руководство по трансферному обучению и дообучению.

Примечание: каждый Keras Application ожидает определенный вид предварительной обработки входных данных. Для EfficientNet предварительная обработка входных данных включена в модель (как слой Rescaling), и поэтому keras.applications.efficientnet.preprocess_input фактически является функцией пропуска. Модели EfficientNet ожидают входных данных в виде плавающей точки тензоров пикселей со значениями в диапазоне [0-255].

Аргументы
`include_top`	Включать ли полносвязный 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 (например, вывод `layers.Input()`) для использования в качестве входных данных изображения для модели.
`input_shape`	Необязательная кортеж размера, который должен быть указан только если `include_top` имеет значение False. Он должен содержать ровно 3 канала ввода.
`pooling`	Необязательный режим пулинга для извлечения признаков, когда `include_top` имеет значение `False`. По умолчанию `None`. `None` означает, что выводом модели будет 4-мерный тензор выходного значения последнего свёрточного слоя. `avg` означает, что глобальный средний пулинг будет применяться к выводу последнего свёрточного слоя, и, следовательно, выходом модели будет 2-мерный тензор. `max` означает, что будет применено глобальное максимальное пулингирование.
`classes`	Необязательное количество классов для классификации изображений, указывается только если `include_top` имеет значение True и если аргумент `weights` не указан. 1000 - это количество классов в ImageNet. По умолчанию `1000`.
`classifier_activation`	Функция активации, которая используется для верхнего слоя. Игнорируется, если `include_top=True`. Установите `classifier_activation=None` для возвращения логарифмов 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/EfficientNetB7