VGG16 和 VGG19

[源代码]

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

• Very Deep Convolutional Networks for Large-Scale Image Recognition (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和微调指南。

此模型的默认输入大小为 224x224。

注意：每个 TF-Keras 应用都期望特定类型的输入预处理。对于 VGG16，在将输入传递给模型之前，请调用 tf.keras.applications.vgg16.preprocess_input。vgg16.preprocess_input 会将输入图像从 RGB 转换为 BGR，然后相对于 ImageNet 数据集将每个颜色通道归零，而不进行缩放。

参数

• include_top：是否在网络顶部包含 3 个全连接层。
• weights：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之一。
• 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，仅当 include_top 为 False 时才应指定（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））。它应正好有 3 个输入通道，宽度和高度应不小于 32。例如，(200, 200, 3) 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 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 2D 张量。
  • max 表示将应用全局最大池化。
• classes：可选的要将图像分类到的类数，仅当 include_top 为 True 且未指定 weights 参数时才可指定。
• 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，否则将被忽略。将 classifier_activation=None 设置为返回“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。

[源代码]

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

• Very Deep Convolutional Networks for Large-Scale Image Recognition (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和微调指南。

此模型的默认输入大小为 224x224。

注意：每个 TF-Keras 应用都期望特定类型的输入预处理。对于 VGG19，在将输入传递给模型之前，请调用 tf.keras.applications.vgg19.preprocess_input。vgg19.preprocess_input 会将输入图像从 RGB 转换为 BGR，然后相对于 ImageNet 数据集将每个颜色通道归零，而不进行缩放。

参数

• include_top：是否在网络顶部包含 3 个全连接层。
• weights：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之一。
• 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，仅当 include_top 为 False 时才应指定（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））。它应正好有 3 个输入通道，宽度和高度应不小于 32。例如，(200, 200, 3) 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 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 2D 张量。
  • max 表示将应用全局最大池化。
• classes：可选的要将图像分类到的类数，仅当 include_top 为 True 且未指定 weights 参数时才可指定。
• 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，否则将被忽略。将 classifier_activation=None 设置为返回“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。