tf.keras.applications.efficientnet_v2.EfficientNetV2L

Инициализирует архитектуру EfficientNetV2L.

tf.keras.applications.efficientnet_v2.EfficientNetV2L(
    include_top=True,
    weights='imagenet',
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation='softmax',
    include_preprocessing=True
)

Ссылка:

• EfficientNetV2: Модели меньшего размера и более быстрое обучение (ICML 2021)

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

Для случаев использования классификации изображений см. эту страницу с подробными примерами.

Для случаев использования трансферного обучения обязательно ознакомьтесь с руководством по трансферному обучению и дообучению.

Примечание: каждый Keras-приложение ожидает определенного типа предварительной обработки входных данных. Для EfficientNetV2 по умолчанию предварительная обработка входных данных включена в модель (как Rescaling слой), и поэтому tf.keras.applications.efficientnet_v2.preprocess_input фактически является функцией пропуска. В этом случае модели EfficientNetV2 ожидают, что их входные данные будут представлять собой плавающие тензоры пикселей со значениями в диапазоне [0-255]. В то же время, предварительную обработку, как часть модели (т. е. Rescaling слой), можно отключить, установив include_preprocessing аргумент в значение False. При отключенной предварительной обработке модели EfficientNetV2 ожидают, что их входные данные будут представлять собой плавающие тензоры пикселей со значениями в диапазоне [-1, 1].