tf.keras.applications.efficientnet.EfficientNetB5

Инициализирует архитектуру EfficientNetB5.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.EfficientNetB5

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.keras.applications.EfficientNetB5, tf.compat.v1.keras.applications.efficientnet.EfficientNetB5

tf.keras.applications.efficientnet.EfficientNetB5(
    include_top=True,
    weights='imagenet',
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation='softmax',
    **kwargs
)

Ссылка:

EfficientNet: Переосмысление масштабирования моделей для сверточных нейронных сетей (ICML 2019)

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

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

Для задач трансферного обучения обязательно ознакомьтесь с руководством по трансферному обучению и донастройке.

Примечание: каждый Keras Application ожидает определённого вида предобработки входных данных. Для EfficientNet предобработка входных данных включена в модель (как Rescaling слой), и, следовательно, tf.keras.applications.efficientnet.preprocess_input фактически является функцией пропуска. Модели EfficientNet ожидают, что их входные данные будут плавающими тензорами пикселей со значениями в диапазоне [0-255].

Аргументы
`include_top`	Включать ли полносвязный слой в верхней части сети. По умолчанию True.
`weights`	Один из `None` (случайная инициализация), 'imagenet' (предварительная подготовка на ImageNet) или путь к файлу весов для загрузки. По умолчанию 'imagenet'.
`input_tensor`	Необязательный Keras-тензор (например, результат `layers.Input()`) для использования в качестве входных изображений для модели.
`input_shape`	Необязательная кортеж формы, который нужно указывать только если `include_top` равно False. Он должен содержать ровно 3 канала входных данных.
`pooling`	Необязательный режим пулинга для извлечения признаков, когда `include_top` равно `False`. По умолчанию None. `None` означает, что выход модели будет 4D тензором результатом последнего сверточного слоя. `avg` означает, что будет применено глобальное усреднение по пулингу к результату последнего сверточного слоя, и, следовательно, выход модели будет 2D тензором. `max` означает, что будет применено глобальное максимальное пулинги.
`classes`	Необязательное число классов, в которые нужно классифицировать изображения, указывается только если `include_top` 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`. Установить `classifier_activation=None` для возвращения логарифмов вероятностей верхнего слоя. По умолчанию 'softmax'. При загрузке предварительно обученных весов, `classifier_activation` может быть только `None` или `"softmax"`.

Возвращаемое значение
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/EfficientNetB5