DenseNet

[源代码]

DenseNet121 函数

keras.applications.DenseNet121(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    name="densenet121",
)

实例化 DenseNet121 架构。

参考

可选择加载在 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 Keras 配置 ~/.keras/keras.json 中指定的约定。

注意:每个 Keras 应用都期望特定类型的输入预处理。对于 DenseNet,在将输入传递到模型之前,请调用 keras.applications.densenet.preprocess_input 对您的输入进行预处理。

参数

  • include_top:是否包括网络顶部的全连接层。
  • weightsNone(随机初始化)、"imagenet"(在 ImageNet 上预训练)之一,或要加载的权重文件的路径。input_tensor:可选的 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)。它应该正好有 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_topFalse 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 表示全局平均池化将应用于最后一个卷积块的输出,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:要将图像分类到的可选类别数,仅当 include_topTrue 且未指定 weights 参数时才应指定。默认为 1000。
  • classifier_activation:一个 str 或可调用对象。要在“顶部”层上使用的激活函数。除非 include_top=True,否则将被忽略。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"softmax"
  • name:模型的名称(字符串)。

返回值

一个 Keras 模型实例。


[源代码]

DenseNet169 函数

keras.applications.DenseNet169(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    name="densenet169",
)

实例化 DenseNet169 架构。

参考

可选择加载在 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 Keras 配置 ~/.keras/keras.json 中指定的约定。

注意:每个 Keras 应用都期望特定类型的输入预处理。对于 DenseNet,在将输入传递到模型之前,请调用 keras.applications.densenet.preprocess_input 对您的输入进行预处理。

参数

  • include_top:是否包括网络顶部的全连接层。
  • weightsNone(随机初始化)、"imagenet"(在 ImageNet 上预训练)之一,或要加载的权重文件的路径。input_tensor:可选的 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)。它应该正好有 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_topFalse 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 表示全局平均池化将应用于最后一个卷积块的输出,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:要将图像分类到的可选类别数,仅当 include_topTrue 且未指定 weights 参数时才应指定。默认为 1000。
  • classifier_activation:一个 str 或可调用对象。要在“顶部”层上使用的激活函数。除非 include_top=True,否则将被忽略。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"softmax"
  • name:模型的名称(字符串)。

返回值

一个 Keras 模型实例。


[源代码]

DenseNet201 函数

keras.applications.DenseNet201(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    name="densenet201",
)

实例化 DenseNet201 架构。

参考

可选择加载在 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 Keras 配置 ~/.keras/keras.json 中指定的约定。

注意:每个 Keras 应用都期望特定类型的输入预处理。对于 DenseNet,在将输入传递到模型之前,请调用 keras.applications.densenet.preprocess_input 对您的输入进行预处理。

参数

  • include_top:是否包括网络顶部的全连接层。
  • weightsNone(随机初始化)、"imagenet"(在 ImageNet 上预训练)之一,或要加载的权重文件的路径。input_tensor:可选的 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)。它应该正好有 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_topFalse 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 表示全局平均池化将应用于最后一个卷积块的输出,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:要将图像分类到的可选类别数,仅当 include_topTrue 且未指定 weights 参数时才应指定。默认为 1000。
  • classifier_activation:一个 str 或可调用对象。要在“顶部”层上使用的激活函数。除非 include_top=True,否则将被忽略。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"softmax"
  • name:模型的名称(字符串)。

返回值

一个 Keras 模型实例。