InceptionResNetV2

[原始碼]

InceptionResNetV2 函數

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",
)

實例化 Inception-ResNet v2 架構。

參考文獻

• Inception-v4、Inception-ResNet 以及殘差連接對學習的影響 (AAAI 2017)

此函數返回一個 Keras 圖像分類模型，可選擇載入在 ImageNet 上預訓練的權重。

對於圖像分類的使用案例，請參閱此頁面以取得詳細範例。

對於遷移學習的使用案例，請務必閱讀遷移學習與微調指南。

注意：每個 Keras 應用程式都期望有特定的輸入預處理方式。對於 InceptionResNetV2，請在將輸入傳遞至模型之前，對輸入調用 keras.applications.inception_resnet_v2.preprocess_input。inception_resnet_v2.preprocess_input 會將輸入像素縮放到 -1 和 1 之間。

參數

• include_top：是否包含網路頂端的完全連接層。
• weights：None（隨機初始化）、"imagenet"（在 ImageNet 上預訓練）或要載入的權重檔案路徑，三者擇一。
• input_tensor：可選的 Keras 張量（即 layers.Input() 的輸出），用作模型的圖像輸入。
• input_shape：可選的形狀元組，僅當 include_top 為 False 時才需要指定（否則輸入形狀必須為 (299, 299, 3)（使用 'channels_last' 資料格式）或 (3, 299, 299)（使用 'channels_first' 資料格式）。它應恰好具有 3 個輸入通道，並且寬度和高度不應小於 75。例如，(150, 150, 3) 會是一個有效的值。
• pooling：當 include_top 為 False 時，用於特徵提取的可選池化模式。
  • None 表示模型的輸出將是最後一個卷積區塊的 4D 張量輸出。
  • 'avg' 表示將對最後一個卷積區塊的輸出應用全域平均池化，因此模型的輸出將是 2D 張量。
  • 'max' 表示將應用全域最大池化。
• classes：可選的圖像分類類別數量，僅當 include_top 為 True 且未指定 weights 參數時才需要指定。
• classifier_activation：一個 str 或可呼叫物件。要在「頂部」層上使用的激活函數。除非 include_top=True，否則將忽略。設定 classifier_activation=None 以傳回「頂部」層的 logits。載入預訓練權重時，classifier_activation 只能是 None 或 "softmax"。
• name：模型的名稱（字串）。

返回

一個模型實例。