tf.keras.applications.efficientnet_v2.EfficientNetV2M

Инициализирует архитектуру EfficientNetV2M.

tf.keras.applications.efficientnet_v2.EfficientNetV2M(
    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 задач классификации изображений см. эту страницу для подробных примеров.

Для задач переноса обучения обязательно прочитайте руководство по переносу обучения и дообучению.

Примечание: каждая Keras-приложение ожидает определённый вид предобработки входных данных. Для EfficientNetV2, по умолчанию, предобработка входных данных включена в модель (как Rescaling слой), и таким образом tf.keras.applications.efficientnet_v2.preprocess_input фактически является проходной функцией. В этом случае модели EfficientNetV2 ожидают, что их входными данными будут плавающие тензоры пикселей со значениями в диапазоне [0-255]. В то же время, предобработку, как часть модели (т.е. Rescaling слой), можно отключить, установив include_preprocessing аргумент в значение False. При отключённой предобработке модели EfficientNetV2 ожидают, что их входными данными будут плавающие тензоры пикселей со значениями в диапазоне [-1, 1].