NasNetLarge 和 NasNetMobile

[源代码]

NASNetLarge 函数

tf_keras.applications.NASNetLarge(
    input_shape=None,
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

以 ImageNet 模式实例化 NASNet 模型。

参考文献

• 用于可扩展图像识别的可迁移架构学习 (CVPR 2018)

可以选择加载在 ImageNet 上预训练的权重。请注意，模型使用的 数据格式约定是在您的 TF-Keras 配置文件 ~/.keras/keras.json 中指定的。

注意：每个 TF-Keras 应用都期望特定类型的输入预处理。对于 NASNet，在将输入传递给模型之前，请对您的输入调用 tf.keras.applications.nasnet.preprocess_input。

参数

• input_shape: 可选的形状元组，仅在 include_top 为 False 时指定（否则，对于 NASNetLarge，输入形状必须为 (331, 331, 3)）。它应该正好有 3 个输入通道，宽度和高度不应小于 32。例如，(224, 224, 3) 是一个有效值。
• include_top: 是否包含网络顶部的全连接层。
• weights: None（随机初始化）或 imagenet（ImageNet 权重）。要加载 imagenet 权重，input_shape 应为 (331, 331, 3)
• input_tensor: 可选的 TF-Keras 张量（即 layers.Input() 的输出），用作模型的图像输入。
• pooling: 当 include_top 为 False 时，用于特征提取的可选池化模式。
  • None 表示模型的输出将是最后一层卷积层的 4D 张量输出。
  • avg 表示全局平均池化将应用于最后一层卷积层的输出，因此模型的输出将是 2D 张量。
  • max 表示将应用全局最大池化。
• classes: 可选的类别数，用于将图像分类到其中，仅在 include_top 为 True 且未指定 weights 参数时指定。
• classifier_activation: str 或可调用对象。“顶部”层的激活函数。除非 include_top=True，否则会被忽略。将 classifier_activation 设置为 None 以返回“顶部”层的 logits。加载预训练权重时，classifier_activation 只能是 None 或 "softmax"。

返回值

一个 TF-Keras 模型实例。

引发异常

• ValueError: 如果 weights 的参数无效，或输入形状无效。
• RuntimeError: 如果尝试使用不支持可分离卷积的后端运行此模型。

[源代码]

NASNetMobile 函数

tf_keras.applications.NASNetMobile(
    input_shape=None,
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

以 ImageNet 模式实例化 Mobile NASNet 模型。

参考文献

• 用于可扩展图像识别的可迁移架构学习 (CVPR 2018)

可以选择加载在 ImageNet 上预训练的权重。请注意，模型使用的 数据格式约定是在您的 TF-Keras 配置文件 ~/.keras/keras.json 中指定的。

注意：每个 TF-Keras 应用都期望特定类型的输入预处理。对于 NASNet，在将输入传递给模型之前，请对您的输入调用 tf.keras.applications.nasnet.preprocess_input。

参数

• input_shape: 可选的形状元组，仅在 include_top 为 False 时指定（否则，对于 NASNetMobile，输入形状必须为 (224, 224, 3)）。它应该正好有 3 个输入通道，宽度和高度不应小于 32。例如，(224, 224, 3) 是一个有效值。
• include_top: 是否包含网络顶部的全连接层。
• weights: None（随机初始化）或 imagenet（ImageNet 权重）。要加载 imagenet 权重，input_shape 应为 (224, 224, 3)
• input_tensor: 可选的 TF-Keras 张量（即 layers.Input() 的输出），用作模型的图像输入。
• pooling: 当 include_top 为 False 时，用于特征提取的可选池化模式。
  • None 表示模型的输出将是最后一层卷积层的 4D 张量输出。
  • avg 表示全局平均池化将应用于最后一层卷积层的输出，因此模型的输出将是 2D 张量。
  • max 表示将应用全局最大池化。
• classes: 可选的类别数，用于将图像分类到其中，仅在 include_top 为 True 且未指定 weights 参数时指定。
• classifier_activation: str 或可调用对象。“顶部”层的激活函数。除非 include_top=True，否则会被忽略。将 classifier_activation 设置为 None 以返回“顶部”层的 logits。加载预训练权重时，classifier_activation 只能是 None 或 "softmax"。

返回值

一个 TF-Keras 模型实例。

引发异常

• ValueError: 如果 weights 的参数无效，或输入形状无效。
• RuntimeError: 如果尝试使用不支持可分离卷积的后端运行此模型。