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",
)

实例化一个 ImageNet 模式的 NASNet 模型。

参考

• 学习可迁移架构以实现可伸缩图像识别 (CVPR 2018)

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您的 TF-Keras 配置中 ~/.keras/keras.json 指定的。

注意：每个 TF-Keras 应用都需要特定类型的输入预处理。对于 NASNet，在将输入传递给模型之前，请调用 tf.keras.applications.nasnet.preprocess_input 函数。

参数

• input_shape: 可选的形状元组，仅当 include_top 为 False 时指定（否则 NASNetLarge 的输入形状必须为 (331, 331, 3)。它应该有 3 个输入通道，宽度和高度应不小于 32。例如，(224, 224, 3) 将是一个有效值。
• include_top: 是否在网络顶部包含全连接层。
• weights: None（随机初始化）或 imagenet（ImageNet 权重）。加载 imagenet 权重时，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: 可选的池化模式，用于在 include_top 为 False 时进行特征提取。
  • None 表示模型的输出将是最后一个卷积层的 4D 张量输出。
  • avg 表示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 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，仅当 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，否则忽略此参数。设置 classifier_activation=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。

抛出异常

• ValueError: weights 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",
)

实例化一个 ImageNet 模式的 Mobile NASNet 模型。

参考

• 学习可迁移架构以实现可伸缩图像识别 (CVPR 2018)

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您的 TF-Keras 配置中 ~/.keras/keras.json 指定的。

注意：每个 TF-Keras 应用都需要特定类型的输入预处理。对于 NASNet，在将输入传递给模型之前，请调用 tf.keras.applications.nasnet.preprocess_input 函数。

参数

• input_shape: 可选的形状元组，仅当 include_top 为 False 时指定（否则 NASNetMobile 的输入形状必须为 (224, 224, 3)。它应该有 3 个输入通道，宽度和高度应不小于 32。例如，(224, 224, 3) 将是一个有效值。
• include_top: 是否在网络顶部包含全连接层。
• weights: None（随机初始化）或 imagenet（ImageNet 权重）。加载 imagenet 权重时，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: 可选的池化模式，用于在 include_top 为 False 时进行特征提取。
  • None 表示模型的输出将是最后一个卷积层的 4D 张量输出。
  • avg 表示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 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，仅当 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，否则忽略此参数。设置 classifier_activation=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。

抛出异常

• ValueError: weights 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。