tf.keras.applications.MobileNetV3Small

Инициализирует архитектуру MobileNetV3Small.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной 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',
    include_preprocessing=True
)

Ссылка:

Поиск MobileNetV3 (ICCV 2019)

Следующая таблица описывает производительность MobileNets v3:

MACs означает Multiply Adds

Точка проверки 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

Для случаев использования классификации изображений см. эту страницу для подробных примеров.

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

Примечание: каждый Keras Application ожидает определённого вида предобработки входных данных. Для MobileNetV3 по умолчанию предобработка входных данных включена в модель (как часть слоя Rescaling), и поэтому tf.keras.applications.mobilenet_v3.preprocess_input фактически является функцией пропуска. В этом случае модели MobileNetV3 ожидают, что их входные данные будут плавающими тензорами пикселей со значениями в диапазоне [0-255]. В то же время, предобработка как часть модели (т. е. Rescaling слой) может быть отключена, установив include_preprocessing аргумент в значение False. При отключении предобработки модели MobileNetV3 ожидают, что их входные данные будут плавающими тензорами пикселей со значениями в диапазоне [-1, 1].

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 канала входных данных (224, 224, 3). Вы также можете опустить этот параметр, если хотите определить input_shape из input_tensor. Если вы выберите включить как input_tensor, так и input_shape, то input_shape будет использоваться, если они совпадают; в противном случае будет выведено сообщение об ошибке. Например, `(160, 160, 3)` является допустимым значением.
`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 число фильтров в каждом слое. Если `alpha` > 1.0, пропорционально увеличивает число фильтров в каждом слое. Если `alpha` = 1, используется значение по умолчанию из статьи.
`minimalistic`	В дополнение к моделям большого и малого размера, этот модуль также содержит так называемые минималистичные модели. Эти модели имеют такие же характеристики размеров слоёв, как и MobilenetV3, но они не используют никаких продвинутых блоков (блоки squeeze-and-excite, hard-swish и 5x5 convolutions). Хотя эти модели менее эффективны на CPU, они значительно быстрее работают на GPU/DSP.
`include_top`	Булево значение, указывает, нужно ли включать полностью соединённый слой в верхней части сети. По умолчанию `True`.
`weights`	Строка, одна из `None` (случайная инициализация), 'imagenet' (предобучение на ImageNet) или путь к файлу весов для загрузки.
`input_tensor`	Необязательный Keras тензор (т. е. результат из `layers.Input()`) для использования в качестве входного изображения для модели.
`pooling`	Строка, необязательный режим пулинга для извлечения признаков, когда `include_top` имеет значение `False`. `None` означает, что результатом модели будет 4D тензор выходного значения последнего сверточного блока. `avg` означает, что к выходу последнего сверточного блока будет применено глобальное усреднение, и, следовательно, результатом модели будет 2D тензор. `max` означает, что будет применено глобальное максимальное пулинг.
`classes`	Целое число, необязательное количество классов для классификации изображений, которое необходимо указать только в том случае, если `include_top` имеет значение True и не указан `weights` аргумент.
`dropout_rate`	доля входных единиц, которые необходимо отбросить в последнем слое.
`classifier_activation`	`str` или вызываемая функция. Функция активации для использования в "верхнем" слое. Игнорируется, если `include_top=True`. Установите `classifier_activation=None` для возвращения логарифмов "верхнего" слоя. При загрузке предобученных весов, `classifier_activation` может быть только `None` или `"softmax"`.
`include_preprocessing`	Булево значение, указывает, нужно ли включать слой предобработки (`Rescaling`) в нижней части сети. По умолчанию `True`.

Аргументы вызова:

inputs: Плавающее число numpy.array или tf.Tensor, 4D с 3 цветовыми каналами, со значениями в диапазоне [0, 255], если include_preprocessing имеет значение True, и в диапазоне [-1, 1] в противном случае.

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/MobileNetV3Small