ResNet50
函数tf_keras.applications.ResNet50(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
**kwargs
)
实例化 ResNet50 架构。
参考
有关图像分类用例,请参阅此页面获取详细示例。
有关迁移学习用例,请务必阅读迁移学习与微调指南。
注意:每个 TF-Keras Application 都需要特定类型的输入预处理。对于 ResNet,在将输入传递给模型之前,请对输入调用tf.keras.applications.resnet.preprocess_input
。resnet.preprocess_input
会将输入图像从 RGB 转换为 BGR,然后对每个颜色通道相对于 ImageNet 数据集进行零中心化,而不进行缩放。
参数
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。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定(否则输入形状必须为 (224, 224, 3)
(使用 'channels_last'
数据格式)或 (3, 224, 224)
(使用 'channels_first'
数据格式))。它应包含正好 3 个输入通道,并且宽度和高度应不小于 32。例如,(200, 200, 3)
是一个有效值。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。include_top
为 True 且未指定 weights
参数时指定。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 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"
。返回值
一个 TF-Keras 模型实例。
ResNet101
函数tf_keras.applications.ResNet101(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
**kwargs
)
实例化 ResNet101 架构。
参考
有关图像分类用例,请参阅此页面获取详细示例。
有关迁移学习用例,请务必阅读迁移学习与微调指南。
注意:每个 TF-Keras Application 都需要特定类型的输入预处理。对于 ResNet,在将输入传递给模型之前,请对输入调用tf.keras.applications.resnet.preprocess_input
。resnet.preprocess_input
会将输入图像从 RGB 转换为 BGR,然后对每个颜色通道相对于 ImageNet 数据集进行零中心化,而不进行缩放。
参数
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。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定(否则输入形状必须为 (224, 224, 3)
(使用 'channels_last'
数据格式)或 (3, 224, 224)
(使用 'channels_first'
数据格式))。它应包含正好 3 个输入通道,并且宽度和高度应不小于 32。例如,(200, 200, 3)
是一个有效值。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。include_top
为 True 且未指定 weights
参数时指定。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 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"
。返回值
一个 TF-Keras 模型实例。
ResNet152
函数tf_keras.applications.ResNet152(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
**kwargs
)
实例化 ResNet152 架构。
参考
有关图像分类用例,请参阅此页面获取详细示例。
有关迁移学习用例,请务必阅读迁移学习与微调指南。
注意:每个 TF-Keras Application 都需要特定类型的输入预处理。对于 ResNet,在将输入传递给模型之前,请对输入调用tf.keras.applications.resnet.preprocess_input
。resnet.preprocess_input
会将输入图像从 RGB 转换为 BGR,然后对每个颜色通道相对于 ImageNet 数据集进行零中心化,而不进行缩放。
参数
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。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定(否则输入形状必须为 (224, 224, 3)
(使用 'channels_last'
数据格式)或 (3, 224, 224)
(使用 'channels_first'
数据格式))。它应包含正好 3 个输入通道,并且宽度和高度应不小于 32。例如,(200, 200, 3)
是一个有效值。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。include_top
为 True 且未指定 weights
参数时指定。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 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"
。返回值
一个 TF-Keras 模型实例。
ResNet50V2
函数tf_keras.applications.ResNet50V2(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
)
实例化 ResNet50V2 架构。
参考
有关图像分类用例,请参阅此页面获取详细示例。
有关迁移学习用例,请务必阅读迁移学习与微调指南。
注意:每个 TF-Keras Application 都需要特定类型的输入预处理。对于 ResNetV2,在将输入传递给模型之前,请对输入调用tf.keras.applications.resnet_v2.preprocess_input
。resnet_v2.preprocess_input
会将输入像素缩放到 -1 到 1 之间。
参数
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。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定(否则输入形状必须为 (224, 224, 3)
(使用 'channels_last'
数据格式)或 (3, 224, 224)
(使用 'channels_first'
数据格式))。它应包含正好 3 个输入通道,并且宽度和高度应不小于 32。例如,(200, 200, 3)
是一个有效值。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。include_top
为 True 且未指定 weights
参数时指定。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 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"
。返回值
一个 keras.Model
实例。
ResNet101V2
函数tf_keras.applications.ResNet101V2(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
)
实例化 ResNet101V2 架构。
参考
有关图像分类用例,请参阅此页面获取详细示例。
有关迁移学习用例,请务必阅读迁移学习与微调指南。
注意:每个 TF-Keras Application 都需要特定类型的输入预处理。对于 ResNetV2,在将输入传递给模型之前,请对输入调用tf.keras.applications.resnet_v2.preprocess_input
。resnet_v2.preprocess_input
会将输入像素缩放到 -1 到 1 之间。
参数
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。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定(否则输入形状必须为 (224, 224, 3)
(使用 'channels_last'
数据格式)或 (3, 224, 224)
(使用 'channels_first'
数据格式))。它应包含正好 3 个输入通道,并且宽度和高度应不小于 32。例如,(200, 200, 3)
是一个有效值。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。include_top
为 True 且未指定 weights
参数时指定。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 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"
。返回值
一个 keras.Model
实例。
ResNet152V2
函数tf_keras.applications.ResNet152V2(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
)
实例化 ResNet152V2 架构。
参考
有关图像分类用例,请参阅此页面获取详细示例。
有关迁移学习用例,请务必阅读迁移学习与微调指南。
注意:每个 TF-Keras Application 都需要特定类型的输入预处理。对于 ResNetV2,在将输入传递给模型之前,请对输入调用tf.keras.applications.resnet_v2.preprocess_input
。resnet_v2.preprocess_input
会将输入像素缩放到 -1 到 1 之间。
参数
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。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定(否则输入形状必须为 (224, 224, 3)
(使用 'channels_last'
数据格式)或 (3, 224, 224)
(使用 'channels_first'
数据格式))。它应包含正好 3 个输入通道,并且宽度和高度应不小于 32。例如,(200, 200, 3)
是一个有效值。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。include_top
为 True 且未指定 weights
参数时指定。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 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"
。返回值
一个 keras.Model
实例。