tf.keras.applications.efficientnet.EfficientNetB4

Инициализирует архитектуру EfficientNetB4.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.EfficientNetB4

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.applications.EfficientNetB4, tf.compat.v1.keras.applications.efficientnet.EfficientNetB4

tf.keras.applications.efficientnet.EfficientNetB4(
    include_top=True,
    weights='imagenet',
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation='softmax',
    **kwargs
)

Ссылка:

EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks (ICML 2019)

Эта функция возвращает модель классификации изображений Keras, необязательно загруженную с предварительно обученными весами на основе ImageNet.

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

Для задач переноса обучения обязательно ознакомьтесь с руководством по переносу обучения и дообучению.

Примечание: каждая Keras-приложение ожидает определенного вида предварительной обработки входных данных. Для EfficientNet предварительная обработка входных данных включена в модель (как Rescaling слой), и поэтому tf.keras.applications.efficientnet.preprocess_input фактически является функцией пропуска. Модели EfficientNet ожидают, что их входные данные будут представлять собой плавающие тензоры пикселей со значениями в диапазоне [0-255].

Аргументы
`include_top`	Включать ли полностью подключенный слой в верхней части сети. По умолчанию True.
`weights`	Один из `None` (случайная инициализация), 'imagenet' (предварительное обучение на ImageNet) или путь к файлу весов для загрузки. По умолчанию 'imagenet'.
`input_tensor`	Необязательный Keras-тензор (т.е. результат `layers.Input()`) для использования в качестве входных данных изображения для модели.
`input_shape`	Необязательная кортеж формы, который следует указать только если `include_top` равен False. Он должен содержать ровно 3 канала ввода.
`pooling`	Необязательный режим пулинга для извлечения функций, когда `include_top` равен `False`. По умолчанию None. `None` означает, что выходной тензор модели будет 4D тензором, выходным последним свёрточным слоем. `avg` означает, что глобальное усреднение пулинга будет применяться к выходу последнего свёрточного слоя, и поэтому выходной тензор модели будет 2D тензором. `max` означает, что будет применено глобальное максимальное пулинг.
`classes`	Необязательное количество классов для классификации изображений, которое необходимо указать только если `include_top` равен True и если не указан аргумент `weights`. По умолчанию 1000 (количество классов ImageNet).
`classifier_activation`	`str` или вызываемая функция. Функция активации для использования в "верхнем" слое. Игнорируется, если `include_top=True`. Установите `classifier_activation=None` для возврата логарифмов "верхнего" слоя. По умолчанию 'softmax'. При загрузке предварительно обученных весов `classifier_activation` может быть только `None` или `"softmax"`.

Возвращает
Экземпляр `keras.Model`.

© 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/versions/r2.9/api_docs/python/tf/keras/applications/efficientnet/EfficientNetB4