tf.keras.applications.resnet_rs.ResNetRS200

Инициализирует архитектуру ResNetRS200.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.ResNetRS200

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.keras.applications.ResNetRS200, tf.compat.v1.keras.applications.resnet_rs.ResNetRS200

tf.keras.applications.resnet_rs.ResNetRS200(
    include_top=True,
    weights='imagenet',
    classes=1000,
    input_shape=None,
    input_tensor=None,
    pooling=None,
    classifier_activation='softmax',
    include_preprocessing=True
)

Ссылка:

Пересмотр ResNet: Улучшенные стратегии обучения и масштабирования

Для использования в задачах классификации изображений см. эту страницу с подробными примерами.

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

Примечание: каждый Keras Application ожидает определенного типа предобработки входных данных. Для ResNetRs по умолчанию предобработка входных данных включена как часть модели (как Rescaling слой), и поэтому tf.keras.applications.resnet_rs.preprocess_input на самом деле является функцией пропуска. В этом случае модели ResNetRS 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. С отключенной предобработкой модели ResNetRS ожидают, что их входными данными будут плавающие тензоры пикселей со значениями в диапазоне [-1, 1].

Аргументы
`depth`	Глубина сети ResNet.
`input_shape`	Дополнительная кортеж формы. Он должен иметь ровно 3 канала входных данных, а ширина и высота должны быть не меньше 32. Например, (200, 200, 3) будет допустимым значением.
`bn_momentum`	Параметр импульса для слоев Batch Normalization.
`bn_epsilon`	Параметр ε для слоев Batch Normalization.
`activation`	Функция активации.
`se_ratio`	Коэффициент соотношения слоя Squeeze and Excitation.
`dropout_rate`	Вероятность дропаута перед слоем финального классификатора.
`drop_connect_rate`	Вероятность дропаута в соединениях обхода.
`include_top`	Включать ли полностью соединённый слой в верхней части сети.
`block_args`	Список словарей, параметры для построения блочных модулей.
`model_name`	Имя модели.
`pooling`	Дополнительный режим пулинга для извлечения признаков, когда `include_top` равен `False`. `None` означает, что результатом модели будет 4D тензор, являющийся выходом последнего свёрточного слоя. `avg` означает, что к выходу последнего свёрточного слоя будет применено глобальное среднее пулинг, и, следовательно, результатом модели будет 2D тензор. `max` означает, что будет применено глобальное максимальное пулинг.
`weights`	Один из `None` (случайная инициализация), `'imagenet'` (предварительное обучение на ImageNet), или путь к файлу весов для загрузки. Примечание: одна модель может иметь несколько вариантов ImageNet в зависимости от формы входных данных, с которыми она обучалась. Для входной формы 224x224 передайте `imagenet-i224` в качестве аргумента. По умолчанию загружаются веса с самой высокой формой входных данных.
`input_tensor`	Дополнительный тензор Keras (т.е. результат `layers.Input()`) для использования в качестве входных данных изображения для модели.
`classes`	Дополнительное число классов для классификации изображений, которое должно быть указано только если `include_top` имеет значение True и не указан аргумент `weights`.
`classifier_activation`	Функция активации `str` или вызываемый объект. Функция активации для использования в верхнем слое. Игнорируется, если `include_top=True`. Установите `classifier_activation=None` для возвращения логарифмов верхнего слоя.
`include_preprocessing`	Булево значение, включает ли слой предобработки (`Rescaling`). По умолчанию `True`. Примечание: изображение входных данных нормализуется по среднему и стандартному отклонению ImageNet.

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/resnet_rs/ResNetRS200