tf.keras.applications.EfficientNetV2B1

Инициализирует архитектуру EfficientNetV2B1.

tf.keras.applications.EfficientNetV2B1(
    include_top=True,
    weights='imagenet',
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation='softmax',
    include_preprocessing=True
)

Ссылка:

• EfficientNetV2: Модели меньшего размера и более быстрое обучение (ICML 2021)

Эта функция возвращает Keras-модель для классификации изображений, необязательно загруженную с предварительно обученными весами на ImageNet.

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

Для случаев переноса обучения ознакомьтесь со руководством по переносу обучения и дообучению.

Примечание: каждый Keras Application ожидает определенного типа предварительной обработки входных данных. Для EfficientNetV2 по умолчанию предварительная обработка входных данных включена в часть модели (как слой Rescaling), и поэтому keras.applications.efficientnet_v2.preprocess_input фактически является функцией пропуска. В этом случае модели EfficientNetV2 ожидают, что их входными данными будут плавающие тензоры пикселей со значениями в диапазоне [0, 255]. В то же время предварительная обработка как часть модели (т. е. слой Rescaling) может быть отключена, задав аргумент include_preprocessing в значение False. При отключенной предварительной обработке модели EfficientNetV2 ожидают, что их входными данными будут плавающие тензоры пикселей со значениями в диапазоне [-1, 1].