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 與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 上預先訓練的權重。

對於圖像分類用例，請參閱此頁面以獲取詳細範例。

對於遷移學習用例，請務必閱讀遷移學習與微調指南。

注意：每個 Keras 應用程式都期望特定種類的輸入預處理。對於 InceptionResNetV2，在將輸入傳遞到模型之前，請在您的輸入上調用 keras.applications.inception_resnet_v2.preprocess_input。inception_resnet_v2.preprocess_input 將輸入像素縮放到 -1 和 1 之間。

參數

• include_top：是否包含網路頂部的全連接層。
• 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之一。
• 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 時才指定（否則輸入形狀必須為 (299, 299, 3)（使用 'channels_last' 數據格式）或 (3, 299, 299)（使用 'channels_first' 數據格式）。它應該正好有 3 個輸入通道，並且寬度和高度應不小於 75。例如，(150, 150, 3) 將是一個有效值。
• 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塊的 4D 張量輸出。
  • 'avg' 表示全局平均池化將應用於最後一個卷積塊的輸出，因此模型的輸出將是 2D 張量。
  • 'max' 表示將應用全局最大池化。
• classes：用於將圖像分類到的可選類別數量，僅當 include_top 為 True 且未指定 weights 參數時才指定。
• classifier_activation：一個 str 或可調用對象。要在「頂部」層上使用的激活函數。除非 include_top=True，否則忽略。設置 classifier_activation=None 以返回「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。