EfficientNetB0
函数tf_keras.applications.EfficientNetB0(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
**kwargs
)
实例化 EfficientNetB0 架构。
参考
此函数返回一个 TF-Keras 图像分类模型,可选择加载在 ImageNet 上预训练的权重。
有关图像分类用例,请参阅此页面上的详细示例。
有关迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 TF-Keras Application 都需要特定的输入预处理。对于 EfficientNet,输入预处理已作为模型的一部分包含在内(作为一个 Rescaling
层),因此 tf.keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值为 [0-255] 范围内的浮点张量。
参数
True
。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。默认为 'imagenet'。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它必须恰好有 3 个输入通道。include_top
为 False
时进行特征提取。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将对最后一个卷积层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
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。str
或可调用对象。用于“顶部”层的激活函数。除非 include_top=True
,否则将被忽略。设置为 classifier_activation=None
可返回“顶部”层的 logits。默认为 'softmax'。加载预训练权重时,classifier_activation
只能为 None
或 "softmax"
。返回
一个 keras.Model
实例。
EfficientNetB1
函数tf_keras.applications.EfficientNetB1(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
**kwargs
)
实例化 EfficientNetB1 架构。
参考
此函数返回一个 TF-Keras 图像分类模型,可选择加载在 ImageNet 上预训练的权重。
有关图像分类用例,请参阅此页面上的详细示例。
有关迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 TF-Keras Application 都需要特定的输入预处理。对于 EfficientNet,输入预处理已作为模型的一部分包含在内(作为一个 Rescaling
层),因此 tf.keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值为 [0-255] 范围内的浮点张量。
参数
True
。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。默认为 'imagenet'。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它必须恰好有 3 个输入通道。include_top
为 False
时进行特征提取。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将对最后一个卷积层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
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。str
或可调用对象。用于“顶部”层的激活函数。除非 include_top=True
,否则将被忽略。设置为 classifier_activation=None
可返回“顶部”层的 logits。默认为 'softmax'。加载预训练权重时,classifier_activation
只能为 None
或 "softmax"
。返回
一个 keras.Model
实例。
EfficientNetB2
函数tf_keras.applications.EfficientNetB2(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
**kwargs
)
实例化 EfficientNetB2 架构。
参考
此函数返回一个 TF-Keras 图像分类模型,可选择加载在 ImageNet 上预训练的权重。
有关图像分类用例,请参阅此页面上的详细示例。
有关迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 TF-Keras Application 都需要特定的输入预处理。对于 EfficientNet,输入预处理已作为模型的一部分包含在内(作为一个 Rescaling
层),因此 tf.keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值为 [0-255] 范围内的浮点张量。
参数
True
。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。默认为 'imagenet'。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它必须恰好有 3 个输入通道。include_top
为 False
时进行特征提取。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将对最后一个卷积层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
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。str
或可调用对象。用于“顶部”层的激活函数。除非 include_top=True
,否则将被忽略。设置为 classifier_activation=None
可返回“顶部”层的 logits。默认为 'softmax'。加载预训练权重时,classifier_activation
只能为 None
或 "softmax"
。返回
一个 keras.Model
实例。
EfficientNetB3
函数tf_keras.applications.EfficientNetB3(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
**kwargs
)
实例化 EfficientNetB3 架构。
参考
此函数返回一个 TF-Keras 图像分类模型,可选择加载在 ImageNet 上预训练的权重。
有关图像分类用例,请参阅此页面上的详细示例。
有关迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 TF-Keras Application 都需要特定的输入预处理。对于 EfficientNet,输入预处理已作为模型的一部分包含在内(作为一个 Rescaling
层),因此 tf.keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值为 [0-255] 范围内的浮点张量。
参数
True
。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。默认为 'imagenet'。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它必须恰好有 3 个输入通道。include_top
为 False
时进行特征提取。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将对最后一个卷积层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
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。str
或可调用对象。用于“顶部”层的激活函数。除非 include_top=True
,否则将被忽略。设置为 classifier_activation=None
可返回“顶部”层的 logits。默认为 'softmax'。加载预训练权重时,classifier_activation
只能为 None
或 "softmax"
。返回
一个 keras.Model
实例。
EfficientNetB4
函数tf_keras.applications.EfficientNetB4(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
**kwargs
)
实例化 EfficientNetB4 架构。
参考
此函数返回一个 TF-Keras 图像分类模型,可选择加载在 ImageNet 上预训练的权重。
有关图像分类用例,请参阅此页面上的详细示例。
有关迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 TF-Keras Application 都需要特定的输入预处理。对于 EfficientNet,输入预处理已作为模型的一部分包含在内(作为一个 Rescaling
层),因此 tf.keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值为 [0-255] 范围内的浮点张量。
参数
True
。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。默认为 'imagenet'。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它必须恰好有 3 个输入通道。include_top
为 False
时进行特征提取。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将对最后一个卷积层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
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。str
或可调用对象。用于“顶部”层的激活函数。除非 include_top=True
,否则将被忽略。设置为 classifier_activation=None
可返回“顶部”层的 logits。默认为 'softmax'。加载预训练权重时,classifier_activation
只能为 None
或 "softmax"
。返回
一个 keras.Model
实例。
EfficientNetB5
函数tf_keras.applications.EfficientNetB5(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
**kwargs
)
实例化 EfficientNetB5 架构。
参考
此函数返回一个 TF-Keras 图像分类模型,可选择加载在 ImageNet 上预训练的权重。
有关图像分类用例,请参阅此页面上的详细示例。
有关迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 TF-Keras Application 都需要特定的输入预处理。对于 EfficientNet,输入预处理已作为模型的一部分包含在内(作为一个 Rescaling
层),因此 tf.keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值为 [0-255] 范围内的浮点张量。
参数
True
。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。默认为 'imagenet'。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它必须恰好有 3 个输入通道。include_top
为 False
时进行特征提取。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将对最后一个卷积层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
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。str
或可调用对象。用于“顶部”层的激活函数。除非 include_top=True
,否则将被忽略。设置为 classifier_activation=None
可返回“顶部”层的 logits。默认为 'softmax'。加载预训练权重时,classifier_activation
只能为 None
或 "softmax"
。返回
一个 keras.Model
实例。
EfficientNetB6
函数tf_keras.applications.EfficientNetB6(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
**kwargs
)
实例化 EfficientNetB6 架构。
参考
此函数返回一个 TF-Keras 图像分类模型,可选择加载在 ImageNet 上预训练的权重。
有关图像分类用例,请参阅此页面上的详细示例。
有关迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 TF-Keras Application 都需要特定的输入预处理。对于 EfficientNet,输入预处理已作为模型的一部分包含在内(作为一个 Rescaling
层),因此 tf.keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值为 [0-255] 范围内的浮点张量。
参数
True
。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。默认为 'imagenet'。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它必须恰好有 3 个输入通道。include_top
为 False
时进行特征提取。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将对最后一个卷积层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
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。str
或可调用对象。用于“顶部”层的激活函数。除非 include_top=True
,否则将被忽略。设置为 classifier_activation=None
可返回“顶部”层的 logits。默认为 'softmax'。加载预训练权重时,classifier_activation
只能为 None
或 "softmax"
。返回
一个 keras.Model
实例。
EfficientNetB7
函数tf_keras.applications.EfficientNetB7(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
**kwargs
)
实例化 EfficientNetB7 架构。
参考
此函数返回一个 TF-Keras 图像分类模型,可选择加载在 ImageNet 上预训练的权重。
有关图像分类用例,请参阅此页面上的详细示例。
有关迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 TF-Keras Application 都需要特定的输入预处理。对于 EfficientNet,输入预处理已作为模型的一部分包含在内(作为一个 Rescaling
层),因此 tf.keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值为 [0-255] 范围内的浮点张量。
参数
True
。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。默认为 'imagenet'。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它必须恰好有 3 个输入通道。include_top
为 False
时进行特征提取。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将对最后一个卷积层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
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。str
或可调用对象。用于“顶部”层的激活函数。除非 include_top=True
,否则将被忽略。设置为 classifier_activation=None
可返回“顶部”层的 logits。默认为 'softmax'。加载预训练权重时,classifier_activation
只能为 None
或 "softmax"
。返回
一个 keras.Model
实例。