tf.keras.applications.EfficientNetV2B0

Инициализирует архитектуру EfficientNetV2B0.

tf.keras.applications.EfficientNetV2B0(
    include_top=True,
    weights='imagenet',
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation='softmax',
    include_preprocessing=True
)

Ссылка:

• EfficientNetV2: Более компактные модели и более быстрое обучение (ICML 2021)

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 переноса обучения убедитесь, что вы прочитали руководство по переносу обучения и дообучению.

Примечание: каждая Keras-приложение ожидает определённого вида предобработки входных данных. Для EfficientNetV2 по умолчанию предобработка входных данных включена в модель (как слой Rescaling), и поэтому keras.applications.efficientnet_v2.preprocess_input фактически является функцией-пропусканием. В этом случае модели EfficientNetV2 ожидают ввода float-тензоры пикселей со значениями в диапазоне [0, 255]. В то же время, предобработку, как часть модели (т.е. Rescaling слой), можно отключить, установив аргумент include_preprocessing в значение False. При отключённой предобработке модели EfficientNetV2 ожидают ввода float-тензоры пикселей со значениями в диапазоне [-1, 1].