tf.keras.applications.EfficientNetV2S

Создаёт экземпляр архитектуры 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
)

Справочник:

• 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 тонкой настройке.

Примечание: для каждого приложения Keras требуется определённый тип предварительной обработки входных данных. Для EfficientNetV2 предварительная обработка входных данных по умолчанию включена в модель (как слой Rescaling), поэтому keras.applications.efficientnet_v2.preprocess_input фактически является функцией пропуска данных без изменений. В этом случае модели EfficientNetV2 ожидают на входе тензоры пикселей с плавающей точкой, значения которых находятся в диапазоне [0, 255]. При этом предварительную обработку, включённую в модель (т. е. слой Rescaling), можно отключить, установив аргумент include_preprocessing в значение False. При отключённой предварительной обработке модели EfficientNetV2 ожидают на входе тензоры пикселей с плавающей точкой, значения которых находятся в диапазоне [-1, 1].