InceptionV3

[原始碼]

InceptionV3 函數

keras.applications.InceptionV3(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    name="inception_v3",
)

實例化 Inception v3 架構。

參考文獻

• Rethinking the Inception Architecture for Computer Vision (CVPR 2016)

此函數會傳回 Keras 影像分類模型，可選擇性載入在 ImageNet 上預先訓練的權重。

對於影像分類用例，請參閱此頁面以取得詳細範例。

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 應用程式都預期有特定的輸入預處理類型。對於 InceptionV3，請在將輸入傳遞至模型之前，對您的輸入呼叫 keras.applications.inception_v3.preprocess_input。inception_v3.preprocess_input 將輸入像素縮放至 -1 和 1 之間。

引數

• include_top：布林值，是否在頂端包含全連接層，作為網路的最後一層。預設為 True。
• 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。預設為 "imagenet"。
• input_tensor：選用的 Keras 張量 (即 layers.Input() 的輸出)，用作模型的影像輸入。input_tensor 對於在多個不同網路之間共用輸入很有用。預設為 None。
• input_shape：選用的形狀元組，僅在 include_top 為 False 時指定 (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)。它應具有正好 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。如果提供了 input_tensor，則會忽略 input_shape。
• pooling：當 include_top 為 False 時，用於特徵提取的選用池化模式。
  • None (預設) 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：選用的類別數量，用於將影像分類到其中，僅在 include_top 為 True 且未指定 weights 引數時才指定。預設為 1000。
• classifier_activation：str 或可呼叫項。「頂端」層上要使用的啟動函數。除非 include_top=True，否則會忽略。設定 classifier_activation=None 以傳回「頂端」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)。

傳回

模型實例。