EfficientNetB0
函数keras.applications.EfficientNetB0(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
name="efficientnetb0",
)
实例化 EfficientNetB0 架构。
参考
此函数返回一个 Keras 图像分类模型,可以选择加载 ImageNet 上预训练的权重。
对于图像分类的使用案例,请参阅此页面获取详细示例。
对于迁移学习的使用案例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理作为模型的一部分包含在内(作为一个 Rescaling
层),因此 keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值范围在 [0-255]
的浮点张量。
参数
True
。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。默认为 "imagenet"
。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它应该正好有 3 个输入通道。include_top
为 False
时,用于特征提取的可选池化模式。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将全局平均池化应用于最后一个卷积层的输出,因此模型的输出将是 2D 张量。max
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。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。设置为 classifier_activation=None
将返回“顶部”层的 logits。默认为 'softmax'
。加载预训练权重时,classifier_activation
只能是 None
或 "softmax"
。返回值
一个模型实例。
EfficientNetB1
函数keras.applications.EfficientNetB1(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
name="efficientnetb1",
)
实例化 EfficientNetB1 架构。
参考
此函数返回一个 Keras 图像分类模型,可以选择加载 ImageNet 上预训练的权重。
对于图像分类的使用案例,请参阅此页面获取详细示例。
对于迁移学习的使用案例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理作为模型的一部分包含在内(作为一个 Rescaling
层),因此 keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值范围在 [0-255]
的浮点张量。
参数
True
。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。默认为 "imagenet"
。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它应该正好有 3 个输入通道。include_top
为 False
时,用于特征提取的可选池化模式。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将全局平均池化应用于最后一个卷积层的输出,因此模型的输出将是 2D 张量。max
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。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。设置为 classifier_activation=None
将返回“顶部”层的 logits。默认为 'softmax'
。加载预训练权重时,classifier_activation
只能是 None
或 "softmax"
。返回值
一个模型实例。
EfficientNetB2
函数keras.applications.EfficientNetB2(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
name="efficientnetb2",
)
实例化 EfficientNetB2 架构。
参考
此函数返回一个 Keras 图像分类模型,可以选择加载 ImageNet 上预训练的权重。
对于图像分类的使用案例,请参阅此页面获取详细示例。
对于迁移学习的使用案例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理作为模型的一部分包含在内(作为一个 Rescaling
层),因此 keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值范围在 [0-255]
的浮点张量。
参数
True
。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。默认为 "imagenet"
。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它应该正好有 3 个输入通道。include_top
为 False
时,用于特征提取的可选池化模式。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将全局平均池化应用于最后一个卷积层的输出,因此模型的输出将是 2D 张量。max
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。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。设置为 classifier_activation=None
将返回“顶部”层的 logits。默认为 'softmax'
。加载预训练权重时,classifier_activation
只能是 None
或 "softmax"
。返回值
一个模型实例。
EfficientNetB3
函数keras.applications.EfficientNetB3(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
name="efficientnetb3",
)
实例化 EfficientNetB3 架构。
参考
此函数返回一个 Keras 图像分类模型,可以选择加载 ImageNet 上预训练的权重。
对于图像分类的使用案例,请参阅此页面获取详细示例。
对于迁移学习的使用案例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理作为模型的一部分包含在内(作为一个 Rescaling
层),因此 keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值范围在 [0-255]
的浮点张量。
参数
True
。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。默认为 "imagenet"
。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它应该正好有 3 个输入通道。include_top
为 False
时,用于特征提取的可选池化模式。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将全局平均池化应用于最后一个卷积层的输出,因此模型的输出将是 2D 张量。max
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。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。设置为 classifier_activation=None
将返回“顶部”层的 logits。默认为 'softmax'
。加载预训练权重时,classifier_activation
只能是 None
或 "softmax"
。返回值
一个模型实例。
EfficientNetB4
函数keras.applications.EfficientNetB4(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
name="efficientnetb4",
)
实例化 EfficientNetB4 架构。
参考
此函数返回一个 Keras 图像分类模型,可以选择加载 ImageNet 上预训练的权重。
对于图像分类的使用案例,请参阅此页面获取详细示例。
对于迁移学习的使用案例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理作为模型的一部分包含在内(作为一个 Rescaling
层),因此 keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值范围在 [0-255]
的浮点张量。
参数
True
。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。默认为 "imagenet"
。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它应该正好有 3 个输入通道。include_top
为 False
时,用于特征提取的可选池化模式。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将全局平均池化应用于最后一个卷积层的输出,因此模型的输出将是 2D 张量。max
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。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。设置为 classifier_activation=None
将返回“顶部”层的 logits。默认为 'softmax'
。加载预训练权重时,classifier_activation
只能是 None
或 "softmax"
。返回值
一个模型实例。
EfficientNetB5
函数keras.applications.EfficientNetB5(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
name="efficientnetb5",
)
实例化 EfficientNetB5 架构。
参考
此函数返回一个 Keras 图像分类模型,可以选择加载 ImageNet 上预训练的权重。
对于图像分类的使用案例,请参阅此页面获取详细示例。
对于迁移学习的使用案例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理作为模型的一部分包含在内(作为一个 Rescaling
层),因此 keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值范围在 [0-255]
的浮点张量。
参数
True
。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。默认为 "imagenet"
。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它应该正好有 3 个输入通道。include_top
为 False
时,用于特征提取的可选池化模式。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将全局平均池化应用于最后一个卷积层的输出,因此模型的输出将是 2D 张量。max
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。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。设置为 classifier_activation=None
将返回“顶部”层的 logits。默认为 'softmax'
。加载预训练权重时,classifier_activation
只能是 None
或 "softmax"
。返回值
一个模型实例。
EfficientNetB6
函数keras.applications.EfficientNetB6(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
name="efficientnetb6",
)
实例化 EfficientNetB6 架构。
参考
此函数返回一个 Keras 图像分类模型,可以选择加载 ImageNet 上预训练的权重。
对于图像分类的使用案例,请参阅此页面获取详细示例。
对于迁移学习的使用案例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理作为模型的一部分包含在内(作为一个 Rescaling
层),因此 keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值范围在 [0-255]
的浮点张量。
参数
True
。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。默认为 "imagenet"
。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它应该正好有 3 个输入通道。include_top
为 False
时,用于特征提取的可选池化模式。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将全局平均池化应用于最后一个卷积层的输出,因此模型的输出将是 2D 张量。max
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。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。设置为 classifier_activation=None
将返回“顶部”层的 logits。默认为 'softmax'
。加载预训练权重时,classifier_activation
只能是 None
或 "softmax"
。返回值
一个模型实例。
EfficientNetB7
函数keras.applications.EfficientNetB7(
include_top=True,
weights="imagenet",
input_tensor=None,
input_shape=None,
pooling=None,
classes=1000,
classifier_activation="softmax",
name="efficientnetb7",
)
实例化 EfficientNetB7 架构。
参考
此函数返回一个 Keras 图像分类模型,可以选择加载 ImageNet 上预训练的权重。
对于图像分类的使用案例,请参阅此页面获取详细示例。
对于迁移学习的使用案例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理作为模型的一部分包含在内(作为一个 Rescaling
层),因此 keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入是像素值范围在 [0-255]
的浮点张量。
参数
True
。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。默认为 "imagenet"
。layers.Input()
的输出),用作模型的图像输入。include_top
为 False 时指定。它应该正好有 3 个输入通道。include_top
为 False
时,用于特征提取的可选池化模式。默认为 None
。None
意味着模型的输出将是最后一个卷积层的 4D 张量输出。avg
意味着将全局平均池化应用于最后一个卷积层的输出,因此模型的输出将是 2D 张量。max
意味着将应用全局最大池化。include_top
为 True 且未指定 weights
参数时指定。ImageNet 有 1000 个类别。默认为 1000
。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。设置为 classifier_activation=None
将返回“顶部”层的 logits。默认为 'softmax'
。加载预训练权重时,classifier_activation
只能是 None
或 "softmax"
。返回值
一个模型实例。