tf.keras.applications.resnet_rs.ResNetRS350

Создаёт архитектуру ResNetRS350.

tf.keras.applications.resnet_rs.ResNetRS350(
    include_top=True,
    weights='imagenet',
    classes=1000,
    input_shape=None,
    input_tensor=None,
    pooling=None,
    classifier_activation='softmax',
    include_preprocessing=True
)

Ссылка:

Переосмысление ResNet: Улучшенные стратегии обучения и масштабирования

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

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

Примечание: каждое приложение Keras ожидает определённого вида предобработки входных данных. Для ResNetRs по умолчанию предобработка входных данных включена в модель (как Rescaling слой), и, следовательно, tf.keras.applications.resnet_rs.preprocess_input фактически является функцией пропуска. В этом случае модели ResNetRS ожидают, что их входные данные будут представлять собой 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 False. При отключённой предобработке модели ResNetRS ожидают, что их входные данные будут представлять собой плавающие тензоры пикселей со значениями в диапазоне [-1, 1].