VGG16 和 VGG19

[源代码]

VGG16 函数

keras.applications.VGG16(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    name="vgg16",
)

实例化 VGG16 模型。

参考

• 用于大规模图像识别的非常深层的卷积网络 (ICLR 2015)

有关图像分类用例，请参阅 此页面以获取详细示例。

有关迁移学习用例，请务必阅读 迁移学习和微调指南。

此模型的默认输入大小为 224x224。

注意：每个 Keras 应用程序都期望一种特定类型的输入预处理。对于 VGG16，在将输入传递给模型之前，请在您的输入上调用 keras.applications.vgg16.preprocess_input。vgg16.preprocess_input 将将输入图像从 RGB 转换为 BGR，然后相对于 ImageNet 数据集对每个颜色通道进行零中心化，而不会进行缩放。

参数

• include_top：是否包含网络顶部的 3 个全连接层。
• weights：None 之一（随机初始化）、"imagenet"（在 ImageNet 上进行预训练）或要加载的权重文件的路径。
• input_tensor：可选的 Keras 张量（即 layers.Input() 的输出）用作模型的图像输入。
• input_shape：可选的形状元组，仅在 include_top 为 False 时指定（否则输入形状必须为 (224, 224, 3)（使用 channels_last 数据格式）或 (3, 224, 224)（使用 "channels_first" 数据格式）。它应该恰好有 3 个输入通道，宽度和高度不应小于 32。例如 (200, 200, 3) 将是一个有效值。
• pooling：在 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 2D 张量。
  • max 表示将应用全局最大池化。
• classes：可选的类别数量，用于将图像分类到其中，仅在 include_top 为 True 且未指定 weights 参数时指定。
• classifier_activation：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 Model 实例。

[源代码]

VGG19 函数

keras.applications.VGG19(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    name="vgg19",
)

实例化 VGG19 模型。

参考

• 用于大规模图像识别的非常深层的卷积网络 (ICLR 2015)

有关图像分类用例，请参阅 此页面以获取详细示例。

有关迁移学习用例，请务必阅读 迁移学习和微调指南。

此模型的默认输入大小为 224x224。

注意：每个 Keras 应用程序都期望一种特定类型的输入预处理。对于 VGG19，在将输入传递给模型之前，请在您的输入上调用 keras.applications.vgg19.preprocess_input。vgg19.preprocess_input 将将输入图像从 RGB 转换为 BGR，然后相对于 ImageNet 数据集对每个颜色通道进行零中心化，而不会进行缩放。

参数

• include_top：是否包含网络顶部的 3 个全连接层。
• weights：None 之一（随机初始化）、"imagenet"（在 ImageNet 上进行预训练）或要加载的权重文件的路径。
• input_tensor：可选的 Keras 张量（即 layers.Input() 的输出）用作模型的图像输入。
• input_shape：可选的形状元组，仅在 include_top 为 False 时指定（否则输入形状必须为 (224, 224, 3)（使用 channels_last 数据格式）或 (3, 224, 224)（使用 "channels_first" 数据格式）。它应该恰好有 3 个输入通道，宽度和高度不应小于 32。例如 (200, 200, 3) 将是一个有效值。
• pooling：在 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 2D 张量。
  • max 表示将应用全局最大池化。
• classes：可选的类别数量，用于将图像分类到其中，仅在 include_top 为 True 且未指定 weights 参数时指定。
• classifier_activation：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

一个模型实例。