tf.keras.applications.MobileNetV3Small

Инициализирует архитектуру MobileNetV3Small.

tf.keras.applications.MobileNetV3Small(
    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 учебниках
Описание создания подписей к изображениям с использованием визуального внимания

Ссылка:

Поиск MobileNetV3 (ICCV 2019)

В следующей таблице описывается производительность MobileNets v3:

MACs расшифровывается как Multiply Adds

Точка контроля классификации	MACs(M)	Параметры(M)	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

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

Для использования методов переноса обучения, ознакомьтесь со руководством по переносу обучения и дообучению.

Примечание: каждый Keras Application ожидает определенный вид предварительной обработки ввода. Для MobileNetV3 по умолчанию предварительная обработка ввода включена как часть модели (как слой Rescaling), и, следовательно, keras.applications.mobilenet_v3.preprocess_input фактически является функцией пропуска. В этом случае модели MobileNetV3 ожидают, что их входные данные будут плавающими тензорами пикселей со значениями в диапазоне [0-255]. В то же время предварительную обработку как часть модели (т. е. Rescaling слой) можно отключить, установив аргумент include_preprocessing в значение False. При отключенной предварительной обработке модели MobileNetV3 ожидают, что их входные данные будут плавающими тензорами пикселей со значениями в диапазоне [-1, 1].

Аргументы
`input_shape`	Необязательная кортеж формы, который необходимо указать, если вы хотите использовать модель с разрешением входного изображения, которое не является `(224, 224, 3)`. Он должен содержать ровно 3 канала ввода. Вы также можете опустить этот параметр, если хотите вывести input_shape из input_tensor. Если вы выберите включить как input_tensor, так и input_shape, то input_shape будет использован, если они совпадают; в противном случае будет выведено сообщение об ошибке. Например, `(160, 160, 3)` будет одним из допустимых значений.
`alpha`	контролирует ширину сети. Это известно как множитель глубины в документе MobileNetV3, но имя сохранено для согласованности с MobileNetV1 в Keras. Если `alpha < 1.0`, пропорционально уменьшает число фильтров в каждом слое. Если `alpha > 1.0`, пропорционально увеличивает число фильтров в каждом слое. Если `alpha == 1`, используются значения по умолчанию для числа фильтров из документа по каждому слою.
`minimalistic`	В дополнение к большим и малым моделям этот модуль также содержит так называемые минималистические модели. Эти модели имеют те же характеристики размерности на каждый слой, что и MobileNetV3, однако они не используют ни один из расширенных блоков (блоки squeeze-and-excite, hard-swish и свертки 5x5). Хотя эти модели менее эффективны на процессоре, они значительно эффективнее на графических процессорах/DSP.
`include_top`	Логическое значение, указывает, следует ли включать полносвязный слой в верхней части сети. По умолчанию значение равно `True`.
`weights`	Строка, одно из значений `None` (случайная инициализация), `"imagenet"` (предварительное обучение на ImageNet) или путь к файлу весов для загрузки.
`input_tensor`	Необязательный тензор Keras (например, результат `layers.Input()`) для использования в качестве входного изображения для модели.
`pooling`	Строка, необязательный режим пулинга для извлечения признаков, когда `include_top` равен `False`. `None` означает, что выход модели будет 4D тензором вывода последнего блока свертки. `avg` означает, что к выходу последнего блока свертки будет применено глобальное усреднение, а выход модели будет 2D тензором. `max` означает применение глобального максимума пулинга.
`classes`	Целое число, необязательное число классов для классификации изображений, которое необходимо указать только в том случае, если `include_top` равен `True` и не указан аргумент `weights`.
`dropout_rate`	доля входных единиц для отбрасывания в последнем слое.
`classifier_activation`	Функция активации или вызываемый объект. Функция активации, используемая в верхнем слое. Игнорируется, если не `include_top=True`. Установите `classifier_activation=None`, чтобы получить логарифмы верхнего слоя. При загрузке предварительно обученных весов `classifier_activation` может быть только `None` или `"softmax"`.
`include_preprocessing`	Логическое значение, указывает, следует ли включать слой предварительной обработки (`Rescaling`) в нижней части сети. По умолчанию значение равно `True`.

Аргументы вызова
`inputs`	Плавающее число `numpy.array` или тензор, созданный с помощью back-end, 4D с 3 цветовыми каналами, со значениями в диапазоне `[0, 255]`, если `include_preprocessing` равно `True`, и в диапазоне `[-1, 1]` в противном случае.

Возвращаемые значения
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/MobileNetV3Small