tf.keras.applications.MobileNetV3Large

Инициализирует 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 ноутбуках

Используется в руководстве
Анализатор моделей TensorFlow Lite

Ссылка:

Поиск MobileNetV3 (ICCV 2019)

В следующей таблице описывается производительность MobileNets v3:

MACs — это умножения-сложения.

Модель классификации	MACs (млн)	Параметры (млн)	Точность Top-1	Время на пиксель CPU (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

Для задач классификации изображений см. эту страницу для подробных примеров.

Для задач обучения с передачей знаний см. руководство по обучению с передачей знаний и дообучению.

Примечание: каждая Keras Application ожидает определённой обработки входных данных. Для MobileNetV3 по умолчанию обработка входных данных включена в модель (как слой Rescaling), и поэтому keras.applications.mobilenet_v3.preprocess_input фактически является проходной функцией. В этом случае модели MobileNetV3 ожидают входных данных в виде тензоров с плавающей точкой, представляющих пиксели с значениями в диапазоне [0-255]. В то же время, предварительную обработку, включённую в модель (т.е. Rescaling слой), можно отключить, установив аргумент include_preprocessing в значение False. При отключённой предварительной обработке модели MobileNetV3 ожидают входных данных в виде тензоров с плавающей точкой, представляющих пиксели со значениями в диапазоне [-1, 1].

Аргументы
`input_shape`	Необязательная кортеж формы, который необходимо указать, если вы хотите использовать модель с разрешением входного изображения, отличным от `(224, 224, 3)`. Он должен содержать ровно 3 канала входного изображения. Вы также можете опустить этот параметр, если хотите вывести размер входных данных из входного тензора. Если вы выберете использовать и входной тензор, и размер входных данных, то будет использоваться размер входных данных, если размеры совпадают; в противном случае будет выброшено исключение. Например, `(160, 160, 3)` — это допустимое значение.
`alpha`	управляет шириной сети. Это известно как коэффициент глубины в статье MobileNetV3, но название сохранено для согласованности с MobileNetV1 в Keras. Если `alpha < 1.0`, пропорционально уменьшает количество фильтров в каждом слое. Если `alpha > 1.0`, пропорционально увеличивает количество фильтров в каждом слое. Если `alpha == 1`, используются стандартные значения фильтров из статьи в каждом слое.
`minimalistic`	Кроме моделей large и small, этот модуль также содержит так называемые минималистические модели. Эти модели имеют те же характеристики по размеру слоёв, что и MobilenetV3, но не используют никаких расширенных блоков (блоки squeeze-and-excite, hard-swish и свёртки 5x5). Хотя эти модели менее эффективны на CPU, они гораздо более эффективны на GPU/DSP.
`include_top`	Булево значение, указывает, включен ли полностью соединённый слой в верхней части сети. По умолчанию `True`.
`weights`	Строка, одна из `None` (случайная инициализация), `"imagenet"` (предварительное обучение на ImageNet) или путь к файлу весов для загрузки.
`input_tensor`	Необязательный Keras тензор (т.е. результат из `layers.Input()`) для использования в качестве входных данных модели изображения.
`pooling`	Строка, необязательный режим пулинга для извлечения признаков, когда `include_top` равен `False`. `None` означает, что результатом модели будет 4D тензор, результат последнего сверточного блока. `avg` означает, что будет применено глобальное среднее пулинг к результату последнего сверточного блока, и, следовательно, результатом модели будет 2D тензор. `max` означает, что будет применено глобальное максимальное пулинг.
`classes`	Целое число, необязательное количество классов для классификации изображений, которое следует указать только если `include_top` равен `True`, и если не указан аргумент `weights`.
`dropout_rate`	доля входных единиц для отбрасывания в последнем слое.
`classifier_activation`	Функция активации или вызываемый объект. Функция активации, которая используется в верхнем слое. Игнорируется, если `include_top=True`. Установите `classifier_activation=None`, чтобы вернуть логиты верхнего слоя. При загрузке предварительно обученных весов `classifier_activation` может быть только `None` или `"softmax"`.
`include_preprocessing`	Булево значение, указывает, включать ли слой предварительной обработки (`Rescaling`) в нижней части сети. По умолчанию `True`.

Аргументы вызова
`inputs`	Числовое значение с плавающей точкой `numpy.array` или тензор, поддерживаемый бэкэндом, 4D с 3 цветовыми каналами, со значениями в диапазоне `[0, 255]`, если `include_preprocessing` равно `True`, и в диапазоне `[-1, 1]` в противном случае.

Возвращаемое значение
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