tf.keras.applications.EfficientNetV2B2

Инициализирует архитектуру EfficientNetV2B2.

tf.keras.applications.EfficientNetV2B2(
    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 модель Keras для классификации изображений, при необходимости загруженную с предобученными весами на ImageNet.

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

Для задач переноса обучения ознакомьтесь с руководством по переносу обучения и донастройке.

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