tf.keras.applications.EfficientNetV2M

Инициализирует 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: Меньшие модели и более быстрое обучение (ICML 2021)

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

Для использования в задачах классификации изображений см. эту страницу для подробных примеров.

Для случаев переноса обучения, обязательно ознакомьтесь с руководством по переносу обучения и донастройке.

Примечание: каждая Keras-приложение ожидает определённого типа предварительной обработки входных данных. Для EfficientNetV2 по умолчанию предварительная обработка входит в состав модели (как слой Rescaling), и поэтому keras.applications.efficientnet_v2.preprocess_input на самом деле является функцией пропуска. В этом случае модели EfficientNetV2 ожидают входные данные в виде плавающей точки тензоров пикселей со значениями в диапазоне [0, 255]. В то же время предварительная обработка, как часть модели (т.е. слой Rescaling), может быть отключена, установив аргумент include_preprocessing в значение False. При отключенной предварительной обработке модели EfficientNetV2 ожидают входные данные в виде плавающей точки тензоров пикселей со значениями в диапазоне [-1, 1].