tf.keras.applications.MobileNetV3Large

Инициализирует архитектуру MobileNetV3Large.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.applications.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'
)

Ссылка:

Поиск MobileNetV3 (ICCV 2019)

Следующая таблица описывает производительность MobileNets:

MACs означает Multiply Adds

Точка отсчета классификации	MACs(M)	Параметры(M)	Точность Top1	Pixel1 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

Веса всех 6 моделей получены и переведены из контрольных точек TensorFlow из контрольных точек TensorFlow, найденных здесь.

Необязательно загружает предварительно обученные веса на ImageNet.

Примечание: каждая Keras Application ожидает определенного типа предварительной обработки входных данных. Для MobileNetV3 вызовите tf.keras.applications.mobilenet_v3.preprocess_input на ваших входах перед передачей их в модель.

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 иметь ровно 3 входных канала (224, 224, 3). Вы также можете опустить этот параметр, если хотите вывести input_shape из input_tensor. Если вы выберете включить как input_tensor, так и input_shape, то input_shape будет использоваться, если они совпадают, если формы не совпадают, мы выведем ошибку. Например, `(160, 160, 3)` было бы одним допустимым значением.
`alpha`	управляет шириной сети. Это известно как множитель глубины в статье MobileNetV3, но название сохраняется 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, используется стандартное количество фильтров из статьи в каждом слое.
`minimalistic`	В дополнение к большим и малым моделям этот модуль также содержит так называемые минималистические модели. Эти модели имеют те же характеристики размеров слоев, что и MobilenetV3, однако они не используют какие-либо расширенные блоки (блоки squeeze-and-excite, hard-swish и свертки 5x5). Хотя эти модели менее эффективны на процессорах, они намного эффективнее на графических процессорах/DSP.
`include_top`	Булево значение, указывает, следует ли включать полносвязный слой в верхней части сети. По умолчанию `True`.
`weights`	Строка, одна из `None` (случайная инициализация), 'imagenet' (предварительная подготовка на ImageNet) или путь к файлу весов для загрузки.
`input_tensor`	Необязательный Keras тензор (например, выход `layers.Input()`) для использования в качестве входного изображения для модели.
`pooling`	Строка, необязательный режим пулинга для извлечения признаков, когда `include_top` является `False`. `None` означает, что выходом модели будет 4D тензор, выход последнего блока свёртки. `avg` означает, что к выходу последнего блока свёртки будет применена глобальная средняя пулинг, и, следовательно, выходом модели будет 2D тензор. `max` означает, что будет применена глобальная максимальная пулинг.
`classes`	Целое число, необязательное количество классов для классификации изображений, которое должно быть указано только если `include_top` имеет значение True и если аргумент `weights` не указан.
`dropout_rate`	доля входных узлов, которые нужно отбросить на последнем слое.
`classifier_activation`	Функция активации `str` или вызываемый объект. Функция активации для использования на верхнем слое. Игнорируется, если не `include_top=True`. Установите `classifier_activation=None` для возврата логарифмов верхнего слоя.

Возвращает
Экземпляр `keras.Model`.

Возбуждает
`ValueError`	в случае недействительного аргумента для `weights`, или недействительной формы входных данных или недействительного alpha, строк, когда weights='imagenet'
`ValueError`	если `classifier_activation` не `softmax` или `None` при использовании предварительно обученного верхнего слоя.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.4/api_docs/python/tf/keras/applications/MobileNetV3Large