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 模式下的 NASNet 模型。

参考

• Learning Transferable Architectures for Scalable Image Recognition (CVPR 2018)

可选载入在 ImageNet 上预训练的权重。请注意，模型使用的数据格式约定取决于您在 Keras 配置文件 ~/.keras/keras.json 中指定的方式。

注意：每个 Keras Application 都期望特定的输入预处理方式。对于 NASNet，在将输入传递给模型之前，请调用 keras.applications.nasnet.preprocess_input 对您的输入进行预处理。

参数

• input_shape: 可选的形状元组，仅当 include_top 为 False 时指定（否则，NASNetLarge 的输入形状必须为 (331, 331, 3)）。它应该正好有 3 个输入通道，宽度和高度应不小于 32。例如，(224, 224, 3) 是一个有效值。
• include_top: 是否包含网络顶部的全连接层。
• weights: None（随机初始化）或 imagenet（ImageNet 权重）。要载入 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一个 2D 张量。
  • max 表示将应用全局最大池化。
• classes: 可选的分类图像的类别数，仅当 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。用于“顶部”层的激活函数。除非 include_top=True，否则将被忽略。将 classifier_activation=None 设置为返回“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

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 Mobile NASNet 模型，用于 ImageNet 模式。

参考

• Learning Transferable Architectures for Scalable Image Recognition (CVPR 2018)

可选载入在 ImageNet 上预训练的权重。请注意，模型使用的数据格式约定取决于您在 Keras 配置文件 ~/.keras/keras.json 中指定的方式。

注意：每个 Keras Application 都期望特定的输入预处理方式。对于 NASNet，在将输入传递给模型之前，请调用 keras.applications.nasnet.preprocess_input 对您的输入进行预处理。

参数

• input_shape: 可选的形状元组，仅当 include_top 为 False 时指定（否则，NASNetMobile 的输入形状必须为 (224, 224, 3)）。它应该正好有 3 个输入通道，宽度和高度应不小于 32。例如，(224, 224, 3) 是一个有效值。
• include_top: 是否包含网络顶部的全连接层。
• weights: None（随机初始化）或 imagenet（ImageNet 权重）。要载入 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一个 2D 张量。
  • max 表示将应用全局最大池化。
• classes: 可选的分类图像的类别数，仅当 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。用于“顶部”层的激活函数。除非 include_top=True，否则将被忽略。将 classifier_activation=None 设置为返回“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

一个 Keras 模型实例。