tf.keras.applications.resnet_rs.ResNetRS270

Инициализирует архитектуру ResNetRS270.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.applications.ResNetRS270

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.keras.applications.ResNetRS270, tf.compat.v1.keras.applications.resnet_rs.ResNetRS270

tf.keras.applications.resnet_rs.ResNetRS270(
    include_top=True,
    weights='imagenet',
    classes=1000,
    input_shape=None,
    input_tensor=None,
    pooling=None,
    classifier_activation='softmax',
    include_preprocessing=True
)

Ссылка:

Переосмысление сетей ResNet: Улучшенные стратегии обучения и масштабирования

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

Для случаев использования переносного обучения см. руководство по переносу обучения и тонкой настройке.

Примечание: каждый Keras Application ожидает определённой предварительной обработки входных данных. Для ResNetRs предварительная обработка входных данных включена в модель по умолчанию (как слой Rescaling), и, следовательно, tf.keras.applications.resnet_rs.preprocess_input фактически является функцией пропуска. В этом случае модели ResNetRS ожидают, что их входные данные будут плавающими тензорами пикселей со значениями в диапазоне [0-255]. В то же время, предварительная обработка как часть модели (т. е. Rescaling слой) может быть отключена, установив include_preprocessing значение в False. При отключенной предварительной обработке модели ResNetRS ожидают, что их входные данные будут плавающими тензорами пикселей со значениями в диапазоне [-1, 1].

Аргументы
`depth`	Глубина сети ResNet.
`input_shape`	необязательная кортеж формы. Он должен иметь ровно 3 канала входных данных, а ширина и высота должны быть не меньше 32. Например, (200, 200, 3) будет одним из допустимых значений.
`bn_momentum`	Параметр импульса для слоев Batch Normalization.
`bn_epsilon`	Параметр epsilon для слоев Batch Normalization.
`activation`	функция активации.
`se_ratio`	Коэффициент слоя Squeeze and Excitation.
`dropout_rate`	Скорость дропаута перед слоем окончательного классификатора.
`drop_connect_rate`	Скорость дропаута в соединительных каналах.
`include_top`	Включать ли полносвязный слой в верхней части сети.
`block_args`	список словарей, параметры для построения блочных модулей.
`model_name`	имя модели.
`pooling`	необязательный режим пулинга для извлечения функций, когда `include_top` имеет значение `False`. `None` означает, что выход модели будет 4D тензором, выходом последнего свёрточного слоя. `avg` означает, что к выходу последнего свёрточного слоя будет применено глобальное усреднение пулинга, и, следовательно, выход модели будет 2D тензором. `max` означает, что будет применено глобальное максимальное пулинг.
`weights`	один из `None` (случайная инициализация), `'imagenet'` (предварительное обучение на ImageNet) или путь к файлу весов, который нужно загрузить. Примечание: одна модель может иметь несколько вариантов ImageNet в зависимости от формы входных данных, с которыми она была обучена. Для входной формы 224x224 передайте `imagenet-i224` в качестве аргумента. По умолчанию загружаются веса с наибольшей формой входных данных.
`input_tensor`	необязательный Keras тензор (т. е. выход `layers.Input()`) для использования в качестве входного изображения для модели.
`classes`	необязательное число классов, в которые нужно разделить изображения, только если `include_top` имеет значение True, и если не указан аргумент `weights`.
`classifier_activation`	A `str` или вызываемый объект. Функция активации, используемая в верхнем слое. Игнорируется, если `include_top=True`. Установите `classifier_activation=None` для возврата логитов верхнего слоя.
`include_preprocessing`	Булево значение, включать ли слой предварительной обработки (`Rescaling`) в нижней части сети. По умолчанию `True`. Примечание: изображение ввода 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/ResNetRS270