VGG16 和 VGG19

[source]

VGG16 函数

tf_keras.applications.VGG16(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

实例化 VGG16 模型。

参考文献

• 用于大规模图像识别的非常深的卷积网络 (ICLR 2015)

对于图像分类用例，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。

此模型的默认输入大小为 224x224。

注意：每个 TF-Keras 应用都需要特定的输入预处理。对于 VGG16，在将输入传递给模型之前，请对输入调用 tf.keras.applications.vgg16.preprocess_input。vgg16.preprocess_input 将把输入图像从 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

• include_top：是否在网络的顶部包含 3 个全连接层。
• 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。
• 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_shape：可选的形状元组，仅在 include_top 为 False 时指定（否则输入形状必须是 (224, 224, 3)（对于 channels_last 数据格式）或 (3, 224, 224)（对于 channels_first 数据格式）。它必须恰好有 3 个输入通道，并且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_top 为 False 时用于特征提取的可选池化模式。
  • None 意味着模型的输出将是最后一个卷积块的 4D 张量输出。
  • avg 意味着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 意味着将应用全局最大池化。
• classes：可选的图像分类类别数，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。将 classifier_activation 设置为 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。

[source]

VGG19 函数

tf_keras.applications.VGG19(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

实例化 VGG19 架构。

参考文献

• 用于大规模图像识别的非常深的卷积网络 (ICLR 2015)

对于图像分类用例，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。

此模型的默认输入大小为 224x224。

注意：每个 TF-Keras 应用都需要特定的输入预处理。对于 VGG19，在将输入传递给模型之前，请对输入调用 tf.keras.applications.vgg19.preprocess_input。vgg19.preprocess_input 将把输入图像从 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

• include_top：是否在网络的顶部包含 3 个全连接层。
• 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。
• 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_shape：可选的形状元组，仅在 include_top 为 False 时指定（否则输入形状必须是 (224, 224, 3)（对于 channels_last 数据格式）或 (3, 224, 224)（对于 channels_first 数据格式）。它必须恰好有 3 个输入通道，并且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_top 为 False 时用于特征提取的可选池化模式。
  • None 意味着模型的输出将是最后一个卷积块的 4D 张量输出。
  • avg 意味着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 意味着将应用全局最大池化。
• classes：可选的图像分类类别数，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。将 classifier_activation 设置为 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。