tf.keras.applications.EfficientNetV2S

Инициализирует архитектуру EfficientNetV2S.

tf.keras.applications.EfficientNetV2S(
    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, необязательно загруженную с предобученными весами на наборе данных ImageNet.

Для случаев классификации изображений см. эту страницу с подробными примерами.

Для случаев переобучения см. руководство по переобучению и донастройке.

Примечание: каждый Keras Application ожидает определенного типа предобработки входных данных. Для EfficientNetV2 по умолчанию предобработка входных данных включена как 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 float-тензоры пикселей со значениями в диапазоне [0, 255]. В то же время, предобработку как часть модели (то есть слой Rescaling) можно отключить, установив параметр include_preprocessing в значение False. При отключённой предобработке модели EfficientNetV2 ожидают, что их входными данными будут float-тензоры пикселей со значениями в диапазоне [-1, 1].