tf.keras.applications.EfficientNetV2M

Создает архитектуру EfficientNetV2M.

tf.keras.applications.EfficientNetV2M(
    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 классификации изображений Keras, при необходимости загруженную с весами, предварительно обученными на ImageNet.

Примеры использования для классификации изображений см. на этой странице.

При использовании переноса обучения обязательно ознакомьтесь с руководством по переносу обучения и дообучению.

Примечание: для каждого приложения Keras требуется определенный тип предварительной обработки входных данных. Для EfficientNetV2 предварительная обработка входных данных по умолчанию включена в модель (в виде слоя Rescaling), поэтому keras.applications.efficientnet_v2.preprocess_input фактически является функцией без преобразований. В этом случае модели EfficientNetV2 ожидают на входе тензоры с плавающей точкой, содержащие пиксели со значениями в диапазоне [0, 255]. При этом предварительную обработку в составе модели (то есть слой Rescaling) можно отключить, задав для аргумента include_preprocessing значение False. Если предварительная обработка отключена, модели EfficientNetV2 ожидают на входе тензоры с плавающей точкой, содержащие пиксели со значениями в диапазоне [-1, 1].