Xception

[来源]

Xception 函数

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

实例化 Xception 架构。

参考

• Xception：使用深度可分离卷积进行深度学习 (CVPR 2017)

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。

此模型的默认输入图像大小为 299x299。

注意：每个 Keras 应用都期望特定的输入预处理类型。对于 Xception，在将输入传递到模型之前，请在您的输入上调用 keras.applications.xception.preprocess_input。xception.preprocess_input 将将输入像素缩放到 -1 到 1 之间。

参数

• include_top：是否在网络顶部包含 3 个全连接层。
• weights：None（随机初始化）、"imagenet"（在 ImageNet 上预训练）或要加载的权重文件路径之一。
• 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，仅当 include_top 为 False 时才指定（否则输入形状必须为 (299, 299, 3)。它应该正好有 3 个输入通道，宽度和高度不应小于 71。例如，(150, 150, 3) 是一个有效的值。
• 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：可选的分类图像的类别数，仅当 include_top 为 True 时指定，并且没有指定 weights 参数。默认为 1000。
• classifier_activation：str 或可调用对象。要用于“顶层”的激活函数。除非 include_top=True，否则忽略。将 classifier_activation=None 设置为返回“顶层”的对数。
• name：模型的名称（字符串）。

返回值

模型实例。