DenseNet

[源]

DenseNet121 函数

tf_keras.applications.DenseNet121(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

实例化 Densenet121 架构。

参考

(可选)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 ~/.keras/keras.json 中的 TF-Keras 配置中指定的格式。

注意:每个 TF-Keras 应用模型都需要特定的输入预处理。对于 DenseNet,在将输入传递给模型之前,请对输入调用 tf.keras.applications.densenet.preprocess_input

参数

  • include_top:是否包含网络顶部的全连接层。
  • weights
    • None (随机初始化)
    • 'imagenet' (在 ImageNet 上进行预训练)
    • 或要加载的权重文件的路径。
  • input_tensor:(可选)用作模型图像输入的 TF-Keras 张量(即 layers.Input() 的输出)。
  • input_shape:(可选)形状元组,仅在 include_top 为 False 时指定(否则,输入形状必须是 (224, 224, 3)(使用 'channels_last' 数据格式)或 (3, 224, 224)(使用 'channels_first' 数据格式)。它应恰好有 3 个输入通道,宽度和高度应不小于 32。例如,(200, 200, 3) 将是一个有效值。
  • pooling:当 include_topFalse 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个卷积块的 4D 张量输出。
    • avg 表示将对最后一个卷积块的输出应用全局平均池化,因此模型的输出将是一个 2D 张量。
    • max 表示将应用全局最大池化。
  • classes:(可选)要分类图像的类别数,仅在 include_top 为 True 且未指定 weights 参数时指定。
  • classifier_activation:一个 str 或可调用对象。用于“顶部”层的激活函数。除非 include_top=True,否则忽略。设置 classifier_activation=None 可返回“顶部”层的 logits。加载预训练权重时,classifier_activation 只能是 None"softmax"

返回值

一个 TF-Keras 模型实例。


[源]

DenseNet169 函数

tf_keras.applications.DenseNet169(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

实例化 Densenet169 架构。

参考

(可选)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 ~/.keras/keras.json 中的 TF-Keras 配置中指定的格式。

注意:每个 TF-Keras 应用模型都需要特定的输入预处理。对于 DenseNet,在将输入传递给模型之前,请对输入调用 tf.keras.applications.densenet.preprocess_input

参数

  • include_top:是否包含网络顶部的全连接层。
  • weights
    • None (随机初始化)
    • 'imagenet' (在 ImageNet 上进行预训练)
    • 或要加载的权重文件的路径。
  • input_tensor:(可选)用作模型图像输入的 TF-Keras 张量(即 layers.Input() 的输出)。
  • input_shape:(可选)形状元组,仅在 include_top 为 False 时指定(否则,输入形状必须是 (224, 224, 3)(使用 'channels_last' 数据格式)或 (3, 224, 224)(使用 'channels_first' 数据格式)。它应恰好有 3 个输入通道,宽度和高度应不小于 32。例如,(200, 200, 3) 将是一个有效值。
  • pooling:当 include_topFalse 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个卷积块的 4D 张量输出。
    • avg 表示将对最后一个卷积块的输出应用全局平均池化,因此模型的输出将是一个 2D 张量。
    • max 表示将应用全局最大池化。
  • classes:(可选)要分类图像的类别数,仅在 include_top 为 True 且未指定 weights 参数时指定。
  • classifier_activation:一个 str 或可调用对象。用于“顶部”层的激活函数。除非 include_top=True,否则忽略。设置 classifier_activation=None 可返回“顶部”层的 logits。加载预训练权重时,classifier_activation 只能是 None"softmax"

返回值

一个 TF-Keras 模型实例。


[源]

DenseNet201 函数

tf_keras.applications.DenseNet201(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

实例化 Densenet201 架构。

参考

(可选)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 ~/.keras/keras.json 中的 TF-Keras 配置中指定的格式。

注意:每个 TF-Keras 应用模型都需要特定的输入预处理。对于 DenseNet,在将输入传递给模型之前,请对输入调用 tf.keras.applications.densenet.preprocess_input

参数

  • include_top:是否包含网络顶部的全连接层。
  • weights
    • None (随机初始化)
    • 'imagenet' (在 ImageNet 上进行预训练)
    • 或要加载的权重文件的路径。
  • input_tensor:(可选)用作模型图像输入的 TF-Keras 张量(即 layers.Input() 的输出)。
  • input_shape:(可选)形状元组,仅在 include_top 为 False 时指定(否则,输入形状必须是 (224, 224, 3)(使用 'channels_last' 数据格式)或 (3, 224, 224)(使用 'channels_first' 数据格式)。它应恰好有 3 个输入通道,宽度和高度应不小于 32。例如,(200, 200, 3) 将是一个有效值。
  • pooling:当 include_topFalse 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个卷积块的 4D 张量输出。
    • avg 表示将对最后一个卷积块的输出应用全局平均池化,因此模型的输出将是一个 2D 张量。
    • max 表示将应用全局最大池化。
  • classes:(可选)要分类图像的类别数,仅在 include_top 为 True 且未指定 weights 参数时指定。
  • classifier_activation:一个 str 或可调用对象。用于“顶部”层的激活函数。除非 include_top=True,否则忽略。设置 classifier_activation=None 可返回“顶部”层的 logits。加载预训练权重时,classifier_activation 只能是 None"softmax"

返回值

一个 TF-Keras 模型实例。