InceptionResNetV2

[来源]

InceptionResNetV2 函数

keras.applications.InceptionResNetV2(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    name="inception_resnet_v2",
)

实例化 Inception-ResNet v2 架构。

参考

• Inception-v4、Inception-ResNet 和残差连接对学习的影响 (AAAI 2017)

此函数返回一个 Keras 图像分类模型，可以选择用在 ImageNet 上预训练的权重加载。

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，请确保阅读 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 InceptionResNetV2，请在将输入传递到模型之前，在您的输入上调用 keras.applications.inception_resnet_v2.preprocess_input。inception_resnet_v2.preprocess_input 会将输入像素缩放到 -1 到 1 之间。

参数

• include_top：是否包含网络顶部的全连接层。
• 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 Keras 张量（即 layers.Input() 的输出），用作模型的图像输入。
• input_shape：可选形状元组，仅在 include_top 为 False 时指定（否则输入形状必须为 (299, 299, 3)（使用 'channels_last' 数据格式）或 (3, 299, 299)（使用 'channels_first' 数据格式）。它应该正好有 3 个输入通道，宽度和高度不应小于 75。例如，(150, 150, 3) 将是一个有效值。
• pooling：可选池化模式，用于在 include_top 为 False 时进行特征提取。
  • 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一个 2D 张量。
  • 'max' 表示全局最大池化将被应用。
• classes：可选类别数，用于将图像分类，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。要用于“顶部”层的激活函数。除非 include_top=True，否则将忽略。设置 classifier_activation=None 以返回“顶部”层的 logits。加载预训练权重时，classifier_activation 只能为 None 或 "softmax"。
• name：模型的名称（字符串）。

返回值

模型实例。