NasNetLarge 和 NasNetMobile

[源代码]

NASNetLarge 函数

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

实例化一个 ImageNet 模式的 NASNet 模型。

参考资料

• 学习可扩展图像识别的可迁移架构 (CVPR 2018)

可以选择加载在 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。

注意：每个 Keras 应用都期望一种特定的输入预处理。对于 NASNet，在将输入传递给模型之前，请在输入上调用 keras.applications.nasnet.preprocess_input。

参数

• input_shape：可选的形状元组，仅当 include_top 为 False 时才需要指定（否则，对于 NASNetLarge，输入形状必须为 (331, 331, 3)。它应该恰好有 3 个输入通道，并且宽度和高度应不小于 32。例如，(224, 224, 3) 将是一个有效值。
• include_top：是否在网络的顶部包含全连接层。
• weights：None（随机初始化）或 imagenet (ImageNet 权重)。对于加载 imagenet 权重，input_shape 应为 (331, 331, 3)
• input_tensor：可选的 Keras 张量（即 layers.Input() 的输出），用作模型的图像输入。
• 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层的 4D 张量输出。
  • avg 表示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 表示将应用全局最大池化。
• classes：可选的用于将图像分类到的类别数量，仅当 include_top 为 True 且未指定 weights 参数时才需要指定。
• 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 或 "softmax"。
• name：模型的名称（字符串）。

返回值

一个 Keras 模型实例。

[源代码]

NASNetMobile 函数

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

实例化一个 ImageNet 模式的 Mobile NASNet 模型。

参考资料

• 学习可扩展图像识别的可迁移架构 (CVPR 2018)

可以选择加载在 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。

注意：每个 Keras 应用都期望一种特定的输入预处理。对于 NASNet，在将输入传递给模型之前，请在输入上调用 keras.applications.nasnet.preprocess_input。

参数

• input_shape：可选的形状元组，仅当 include_top 为 False 时才需要指定（否则，对于 NASNetMobile，输入形状必须为 (224, 224, 3)。它应该恰好有 3 个输入通道，并且宽度和高度应不小于 32。例如，(224, 224, 3) 将是一个有效值。
• include_top：是否在网络的顶部包含全连接层。
• weights：None（随机初始化）或 imagenet (ImageNet 权重)。对于加载 imagenet 权重，input_shape 应为 (224, 224, 3)
• input_tensor：可选的 Keras 张量（即 layers.Input() 的输出），用作模型的图像输入。
• 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层的 4D 张量输出。
  • avg 表示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 表示将应用全局最大池化。
• classes：可选的用于将图像分类到的类别数量，仅当 include_top 为 True 且未指定 weights 参数时才需要指定。
• 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 或 "softmax"。
• name：模型的名称（字符串）。

返回值

一个 Keras 模型实例。