NasNetLarge 與 NasNetMobile

[原始碼]

NASNetLarge 函數

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

在 ImageNet 模式下實例化 NASNet 模型。

參考

• 用於可擴展圖像識別的可轉移架構學習 (CVPR 2018)

可選擇載入在 ImageNet 上預先訓練的權重。請注意，模型使用的資料格式慣例是在您的 Keras 設定檔 (位於 ~/.keras/keras.json) 中指定的。

注意：每個 Keras 應用都期望有特定的輸入預處理方式。對於 NASNet，請在將輸入傳遞給模型之前，對輸入呼叫 keras.applications.nasnet.preprocess_input。

引數

• input_shape：可選的形狀元組，只有在 include_top 為 False 時才需要指定 (否則對於 NASNetLarge，輸入形狀必須是 (331, 331, 3))。它應該正好有 3 個輸入通道，並且寬度和高度不應小於 32。例如，(224, 224, 3) 將會是一個有效的值。
• include_top：是否包含網路頂部的全連接層。
• weights：None (隨機初始化) 或 imagenet (ImageNet 權重)。若要載入 imagenet 權重，input_shape 應該是 (331, 331, 3)
• input_tensor：可選的 Keras 張量 (即 layers.Input() 的輸出)，用作模型的影像輸入。
• pooling：當 include_top 為 False 時，用於特徵提取的可選池化模式。
  • None 表示模型的輸出將會是最後一個卷積層的 4D 張量輸出。
  • avg 表示將對最後一個卷積層的輸出應用全域平均池化，因此模型的輸出將會是一個 2D 張量。
  • max 表示將應用全域最大池化。
• classes：可選的類別數量，用於將影像分類為這些類別，只有在 include_top 為 True，且未指定任何 weights 引數時才需要指定。
• classifier_activation：str 或可呼叫物件。要用於「頂層」的啟動函數。除非 include_top=True，否則將被忽略。設定 classifier_activation=None 以傳回「頂層」的 logits。當載入預訓練權重時，classifier_activation 只能是 None 或 "softmax"。
• name：模型的名稱 (字串)。

傳回

一個 Keras 模型實例。

[原始碼]

NASNetMobile 函數

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

在 ImageNet 模式下實例化 Mobile NASNet 模型。

參考

• 用於可擴展圖像識別的可轉移架構學習 (CVPR 2018)

可選擇載入在 ImageNet 上預先訓練的權重。請注意，模型使用的資料格式慣例是在您的 Keras 設定檔 (位於 ~/.keras/keras.json) 中指定的。

注意：每個 Keras 應用都期望有特定的輸入預處理方式。對於 NASNet，請在將輸入傳遞給模型之前，對輸入呼叫 keras.applications.nasnet.preprocess_input。

引數

• input_shape：可選的形狀元組，只有在 include_top 為 False 時才需要指定 (否則對於 NASNetMobile，輸入形狀必須是 (224, 224, 3))。它應該正好有 3 個輸入通道，並且寬度和高度不應小於 32。例如，(224, 224, 3) 將會是一個有效的值。
• include_top：是否包含網路頂部的全連接層。
• weights：None (隨機初始化) 或 imagenet (ImageNet 權重)。若要載入 imagenet 權重，input_shape 應該是 (224, 224, 3)
• input_tensor：可選的 Keras 張量 (即 layers.Input() 的輸出)，用作模型的影像輸入。
• pooling：當 include_top 為 False 時，用於特徵提取的可選池化模式。
  • None 表示模型的輸出將會是最後一個卷積層的 4D 張量輸出。
  • avg 表示將對最後一個卷積層的輸出應用全域平均池化，因此模型的輸出將會是一個 2D 張量。
  • max 表示將應用全域最大池化。
• classes：可選的類別數量，用於將影像分類為這些類別，只有在 include_top 為 True，且未指定任何 weights 引數時才需要指定。
• classifier_activation：str 或可呼叫物件。要用於「頂層」的啟動函數。除非 include_top=True，否則將被忽略。設定 classifier_activation=None 以傳回「頂層」的 logits。當載入預訓練權重時，classifier_activation 只能是 None 或 "softmax"。
• name：模型的名稱 (字串)。

傳回

一個 Keras 模型實例。