tf.keras.applications.MobileNetV3Small

Инициализирует архитектуру MobileNetV3Small.

Просмотр псевдонимов

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения более подробной информации.

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

Ссылка:

Поиск MobileNetV3 (ICCV 2019)

Следующая таблица описывает производительность MobileNets:

MACs означает Multiply Adds

Точка отсчёта 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 точек отсчёта TensorFlow из TensorFlow, найденных здесь.

Необязательно загружает веса, предварительно обученные на ImageNet.

Примечание: каждая Keras Application ожидает определенного вида предварительной обработки входных данных. Для MobileNetV3 вызовите tf.keras.applications.mobilenet_v3.preprocess_input для ваших входных данных 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 решите включить как input_tensor, так и input_shape, то будет использоваться input_shape, если формы совпадают, если формы не совпадают, то будет выброшено исключение. Например, `(160, 160, 3)` будет одним из допустимых значений.
`alpha`	управляет шириной сети. Это известно как множитель глубины в статье MobileNetV3, но имя 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 минималистичные модели, эти модели имеют ту же характеристику размерности на слой, что и MobilenetV3, но они не используют никаких расширенных блоков (блоков сжатия и возбуждения, hard-swish и 5x5 сверток). Хотя эти модели менее эффективны на CPU, они намного производительнее на GPU/DSP.
`include_top`	Булево значение, включать ли полностью подключенный 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, который необходимо загрузить.
`input_tensor`	Необязательный Keras тензор (например, результат `layers.Input()`) для использования в качестве входных данных изображения для модели.
`pooling`	Строка, необязательный режим объединения для извлечения признаков, когда `include_top` равен `False`. `None` означает, что выход модели будет 4D тензором выхода последнего сверточного блока. `avg` означает, что будет применено глобальное среднее объединение к выходу последнего сверточного блока, и, таким образом, выход модели будет 2D тензором. `max` означает, что будет применено глобальное максимальное объединение.
`classes`	Целое число, необязательное количество классов для классификации изображений, которое необходимо указать только в том случае, если `include_top` равно True и если не указан аргумент `weights`.
`dropout_rate`	доля входных единиц, которые необходимо отбросить на последнем слое.
`classifier_activation`	A `str` или вызываемая функция. Функция активации, которая должна использоваться на "верхнем" слое. Игнорируется, если `include_top=True`. Установите `classifier_activation=None` для возвращения логарифмов "верхнего" слоя.

Возвращаемые значения
Экземпляр `keras.Model`.

Исключения
`ValueError`	в случае некорректного аргумента для `weights`, или некорректной формы входных данных или некорректного alpha, строк при weights='imagenet'
`ValueError`	если `classifier_activation` не равно `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/MobileNetV3Small