tf.keras.applications.MobileNetV3Large

Создает архитектуру MobileNetV3Large.

tf.keras.applications.MobileNetV3Large(
    input_shape=None,
    alpha=1.0,
    minimalistic=False,
    include_top=True,
    weights='imagenet',
    input_tensor=None,
    classes=1000,
    pooling=None,
    dropout_rate=0.2,
    classifier_activation='softmax',
    include_preprocessing=True
)

Используется в блокнотах

Используется в руководстве
Анализатор моделей TensorFlow Lite

Справочник:

Поиск MobileNetV3 (ICCV 2019)

В следующей таблице описана производительность MobileNets v3:

MACs — это количество операций умножения и сложения

Контрольная точка классификации	MACs (млн)	Параметры (млн)	Точность Top1	CPU Pixel1 (мс)
mobilenet_v3_large_1.0_224	217	5.4	75.6	51.2
mobilenet_v3_large_0.75_224	155	4.0	73.3	39.8
mobilenet_v3_large_minimalistic_1.0_224	209	3.9	72.3	44.1
mobilenet_v3_small_1.0_224	66	2.9	68.1	15.8
mobilenet_v3_small_0.75_224	44	2.4	65.4	12.8
mobilenet_v3_small_minimalistic_1.0_224	65	2.0	61.9	12.2

Примеры использования для классификации изображений см. на этой странице.

Для сценариев использования переноса обучения обязательно ознакомьтесь с руководством по переносу обучения и тонкой настройке.

Примечание: для каждого приложения Keras требуется определенный тип предварительной обработки входных данных. По умолчанию в MobileNetV3 предварительная обработка входных данных включена в модель как слой Rescaling, поэтому keras.applications.mobilenet_v3.preprocess_input фактически является функцией, передающей входные данные без изменений. В этом случае модели MobileNetV3 ожидают на входе тензоры с пиксельными значениями типа float в диапазоне [0-255]. При этом предварительную обработку в составе модели (то есть слой Rescaling) можно отключить, установив аргумент include_preprocessing в значение False. При отключенной предварительной обработке модели MobileNetV3 ожидают на входе тензоры с пиксельными значениями типа float в диапазоне [-1, 1].

Аргументы
`input_shape`	Необязательный кортеж формы, который следует указать, если вы хотите использовать модель с разрешением входного изображения, отличным от `(224, 224, 3)`. Он должен содержать ровно 3 входных канала. Этот параметр можно также опустить, если вы хотите определить input_shape по input_tensor. Если указаны и input_tensor, и input_shape, будет использован input_shape, если их значения совпадают; если формы не совпадают, возникнет ошибка. Например, `(160, 160, 3)` — допустимое значение.
`alpha`	Управляет шириной сети. В статье MobileNetV3 этот параметр называется множителем глубины, но здесь сохранено название, используемое для единообразия с MobileNetV1 в Keras. Если `alpha < 1.0`, число фильтров в каждом слое пропорционально уменьшается. Если `alpha > 1.0`, число фильтров в каждом слое пропорционально увеличивается. Если `alpha == 1`, в каждом слое используется число фильтров по умолчанию, указанное в статье.
`minimalistic`	Помимо больших и малых моделей, этот модуль также содержит так называемые минималистичные модели. Их характеристики размеров отдельных слоев такие же, как у MobileNetV3, однако в них не используются продвинутые блоки (модули squeeze-and-excite, hard-swish и свертки 5x5). Хотя эти модели менее эффективны на CPU, они значительно производительнее на GPU/DSP.
`include_top`	Логическое значение, определяющее, нужно ли включать полносвязный слой в верхней части сети. По умолчанию — `True`.
`weights`	Строка: `None` (случайная инициализация), `"imagenet"` (предварительное обучение на ImageNet) или путь к загружаемому файлу весов.
`input_tensor`	Необязательный тензор Keras (то есть выход `layers.Input()`), используемый в качестве входного изображения для модели.
`pooling`	Необязательный строковый параметр, задающий режим пулинга для извлечения признаков, когда `include_top` равно `False`. `None` означает, что выходом модели будет 4D-тензор, полученный на выходе последнего сверточного блока. `avg` означает, что к выходу последнего сверточного блока будет применен глобальный average pooling, поэтому выходом модели будет 2D-тензор. `max` означает, что будет применен глобальный max pooling.
`classes`	Необязательное целое число — количество классов для классификации изображений. Указывается только если `include_top` равно `True` и аргумент `weights` не задан.
`dropout_rate`	Доля входных единиц, отбрасываемых на последнем слое.
`classifier_activation`	`str` или вызываемый объект. Функция активации, используемая на верхнем слое. Игнорируется, если не задано `include_top=True`. Установите `classifier_activation=None`, чтобы возвращать логиты верхнего слоя. При загрузке предварительно обученных весов `classifier_activation` может быть только `None` или `"softmax"`.
`include_preprocessing`	Логическое значение, определяющее, нужно ли включать слой предварительной обработки (`Rescaling`) в нижней части сети. По умолчанию — `True`.

Аргументы вызова
`inputs`	Число с плавающей точкой `numpy.array` или тензор, совместимый с бэкендом, 4D, с 3 цветовыми каналами; если `include_preprocessing` равно `True`, значения должны находиться в диапазоне `[0, 255]`, в противном случае — в диапазоне `[-1, 1]`.

Возвращает
Экземпляр модели.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/applications/MobileNetV3Large