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,可以选择加载在 ImageNet 上预训练的权重。
对于图像分类用例,请参阅此页面以获取详细示例。
对于迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理包含在模型中(作为Rescaling
层),因此keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入为像素值为[0-255]
范围内的浮点张量。
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之一。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。它应该恰好有 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
表示模型的输出将是最后一层卷积层的 4D 张量输出。avg
表示全局平均池化将应用于最后一层卷积层的输出,因此模型的输出将是 2D 张量。max
表示将应用全局最大池化。include_top
为 True 且未指定weights
参数时指定。1000 是 ImageNet 类别的数量。默认为1000
。str
或可调用对象。要对“顶部”层使用的激活函数。除非include_top=True
,否则忽略。设置classifier_activation=None
以返回“顶部”层的 logits。默认为'softmax'
。加载预训练权重时,classifier_activation
只能为None
或"softmax"
。返回值
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,可以选择加载在 ImageNet 上预训练的权重。
对于图像分类用例,请参阅此页面以获取详细示例。
对于迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理包含在模型中(作为Rescaling
层),因此keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入为像素值为[0-255]
范围内的浮点张量。
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之一。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。它应该恰好有 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
表示模型的输出将是最后一层卷积层的 4D 张量输出。avg
表示全局平均池化将应用于最后一层卷积层的输出,因此模型的输出将是 2D 张量。max
表示将应用全局最大池化。include_top
为 True 且未指定weights
参数时指定。1000 是 ImageNet 类别的数量。默认为1000
。str
或可调用对象。要对“顶部”层使用的激活函数。除非include_top=True
,否则忽略。设置classifier_activation=None
以返回“顶部”层的 logits。默认为'softmax'
。加载预训练权重时,classifier_activation
只能为None
或"softmax"
。返回值
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,可以选择加载在 ImageNet 上预训练的权重。
对于图像分类用例,请参阅此页面以获取详细示例。
对于迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理包含在模型中(作为Rescaling
层),因此keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入为像素值为[0-255]
范围内的浮点张量。
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之一。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。它应该恰好有 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
表示模型的输出将是最后一层卷积层的 4D 张量输出。avg
表示全局平均池化将应用于最后一层卷积层的输出,因此模型的输出将是 2D 张量。max
表示将应用全局最大池化。include_top
为 True 且未指定weights
参数时指定。1000 是 ImageNet 类别的数量。默认为1000
。str
或可调用对象。要对“顶部”层使用的激活函数。除非include_top=True
,否则忽略。设置classifier_activation=None
以返回“顶部”层的 logits。默认为'softmax'
。加载预训练权重时,classifier_activation
只能为None
或"softmax"
。返回值
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,可以选择加载在 ImageNet 上预训练的权重。
对于图像分类用例,请参阅此页面以获取详细示例。
对于迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理包含在模型中(作为Rescaling
层),因此keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入为像素值为[0-255]
范围内的浮点张量。
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之一。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。它应该恰好有 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
表示模型的输出将是最后一层卷积层的 4D 张量输出。avg
表示全局平均池化将应用于最后一层卷积层的输出,因此模型的输出将是 2D 张量。max
表示将应用全局最大池化。include_top
为 True 且未指定weights
参数时指定。1000 是 ImageNet 类别的数量。默认为1000
。str
或可调用对象。要对“顶部”层使用的激活函数。除非include_top=True
,否则忽略。设置classifier_activation=None
以返回“顶部”层的 logits。默认为'softmax'
。加载预训练权重时,classifier_activation
只能为None
或"softmax"
。返回值
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,可以选择加载在 ImageNet 上预训练的权重。
对于图像分类用例,请参阅此页面以获取详细示例。
对于迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理包含在模型中(作为Rescaling
层),因此keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入为像素值为[0-255]
范围内的浮点张量。
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之一。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。它应该恰好有 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
表示模型的输出将是最后一层卷积层的 4D 张量输出。avg
表示全局平均池化将应用于最后一层卷积层的输出,因此模型的输出将是 2D 张量。max
表示将应用全局最大池化。include_top
为 True 且未指定weights
参数时指定。1000 是 ImageNet 类别的数量。默认为1000
。str
或可调用对象。要对“顶部”层使用的激活函数。除非include_top=True
,否则忽略。设置classifier_activation=None
以返回“顶部”层的 logits。默认为'softmax'
。加载预训练权重时,classifier_activation
只能为None
或"softmax"
。返回值
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,可以选择加载在 ImageNet 上预训练的权重。
对于图像分类用例,请参阅此页面以获取详细示例。
对于迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理包含在模型中(作为Rescaling
层),因此keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入为像素值为[0-255]
范围内的浮点张量。
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之一。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。它应该恰好有 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
表示模型的输出将是最后一层卷积层的 4D 张量输出。avg
表示全局平均池化将应用于最后一层卷积层的输出,因此模型的输出将是 2D 张量。max
表示将应用全局最大池化。include_top
为 True 且未指定weights
参数时指定。1000 是 ImageNet 类别的数量。默认为1000
。str
或可调用对象。要对“顶部”层使用的激活函数。除非include_top=True
,否则忽略。设置classifier_activation=None
以返回“顶部”层的 logits。默认为'softmax'
。加载预训练权重时,classifier_activation
只能为None
或"softmax"
。返回值
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,可以选择加载在 ImageNet 上预训练的权重。
对于图像分类用例,请参阅此页面以获取详细示例。
对于迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理包含在模型中(作为Rescaling
层),因此keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入为像素值为[0-255]
范围内的浮点张量。
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之一。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。它应该恰好有 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
表示模型的输出将是最后一层卷积层的 4D 张量输出。avg
表示全局平均池化将应用于最后一层卷积层的输出,因此模型的输出将是 2D 张量。max
表示将应用全局最大池化。include_top
为 True 且未指定weights
参数时指定。1000 是 ImageNet 类别的数量。默认为1000
。str
或可调用对象。要对“顶部”层使用的激活函数。除非include_top=True
,否则忽略。设置classifier_activation=None
以返回“顶部”层的 logits。默认为'softmax'
。加载预训练权重时,classifier_activation
只能为None
或"softmax"
。返回值
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,可以选择加载在 ImageNet 上预训练的权重。
对于图像分类用例,请参阅此页面以获取详细示例。
对于迁移学习用例,请务必阅读迁移学习和微调指南。
注意:每个 Keras 应用都期望特定类型的输入预处理。对于 EfficientNet,输入预处理包含在模型中(作为Rescaling
层),因此keras.applications.efficientnet.preprocess_input
实际上是一个直通函数。EfficientNet 模型期望其输入为像素值为[0-255]
范围内的浮点张量。
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之一。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。它应该恰好有 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
表示模型的输出将是最后一层卷积层的 4D 张量输出。avg
表示全局平均池化将应用于最后一层卷积层的输出,因此模型的输出将是 2D 张量。max
表示将应用全局最大池化。include_top
为 True 且未指定weights
参数时指定。1000 是 ImageNet 类别的数量。默认为1000
。str
或可调用对象。要对“顶部”层使用的激活函数。除非include_top=True
,否则忽略。设置classifier_activation=None
以返回“顶部”层的 logits。默认为'softmax'
。加载预训练权重时,classifier_activation
只能为None
或"softmax"
。返回值
模型实例。