InceptionV3

[源]

InceptionV3 函数

tf_keras.applications.InceptionV3(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

实例化 Inception v3 架构。

参考

• 重新思考计算机视觉的 Inception 架构 (CVPR 2016)

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，请参阅此页面获取详细示例。

对于迁移学习用例，请务必阅读迁移学习与微调指南。

注意：每个 TF-Keras Application 都需要特定的输入预处理。对于 InceptionV3，在将输入传递给模型之前，请对输入调用 tf.keras.applications.inception_v3.preprocess_input。inception_v3.preprocess_input 会将输入像素缩放到 -1 到 1 之间。

参数

• include_top: 布尔值，是否包含顶部的全连接层，作为网络的最后一层。默认为 True。
• weights: 以下之一：None（随机初始化）、imagenet（在 ImageNet 上预训练），或要加载的权重文件的路径。默认为 imagenet。
• input_tensor: 可选的 TF-Keras 张量（即 layers.Input() 的输出），用作模型的图像输入。input_tensor 对于在多个不同网络之间共享输入很有用。默认为 None。
• input_shape: 可选的形状元组，仅在 include_top 为 False 时指定（否则输入形状必须为 (299, 299, 3)（使用 channels_last 数据格式）或 (3, 299, 299)（使用 channels_first 数据格式）。它应该恰好有 3 个输入通道，且宽度和高度不小于 75。例如，(150, 150, 3) 是一个有效值。如果提供了 input_tensor，则 input_shape 将被忽略。
• pooling: 可选的池化模式，用于在 include_top 为 False 时进行特征提取。
  • None（默认）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: 可选的图像分类类别数量，仅在 include_top 为 True 且未指定 weights 参数时指定。默认为 1000。
• classifier_activation: 字符串或可调用对象。用于“顶部”层的激活函数。除非 include_top=True，否则将被忽略。设置 classifier_activation=None 将返回“顶部”层的 logits。加载预训练权重时，classifier_activation 只能是 None 或 "softmax"。

返回

一个 keras.Model 实例。