VGG16 和 VGG19

[原始碼]

VGG16 函數

keras.applications.VGG16(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    name="vgg16",
)

實例化 VGG16 模型。

參考文獻

• 用於大規模圖像識別的非常深層的卷積網路 (ICLR 2015)

對於圖像分類的使用案例，請參閱此頁面上的詳細範例。

對於遷移學習的使用案例，請務必閱讀遷移學習和微調指南。

此模型的預設輸入大小為 224x224。

注意：每個 Keras 應用都期望有特定的輸入預處理方式。對於 VGG16，請在將輸入傳遞給模型之前，對您的輸入調用 keras.applications.vgg16.preprocess_input。vgg16.preprocess_input 會將輸入圖像從 RGB 轉換為 BGR，然後將每個色彩通道相對於 ImageNet 資料集進行零中心化，而不進行縮放。

引數

• include_top：是否包含網路頂部的 3 個全連接層。
• weights：以下其中一個值：None（隨機初始化）、"imagenet"（在 ImageNet 上預訓練）或要載入的權重檔案路徑。
• 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，只有在 include_top 為 False 時才需要指定（否則輸入形狀必須為 (224, 224, 3)（使用 channels_last 資料格式）或 (3, 224, 224)（使用 "channels_first" 資料格式）。它應該正好有 3 個輸入通道，且寬度和高度不應小於 32。例如，(200, 200, 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一個 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，只有在 include_top 為 True 且未指定 weights 引數時才需要指定。
• classifier_activation：一個 str 或可呼叫物件。用於「頂部」層的啟動函數。除非 include_top=True，否則將忽略。將 classifier_activation=None 設定為返回「頂部」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）。

返回

一個 Model 實例。

[原始碼]

VGG19 函數

keras.applications.VGG19(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    name="vgg19",
)

實例化 VGG19 模型。

參考文獻

• 用於大規模圖像識別的非常深層的卷積網路 (ICLR 2015)

對於圖像分類的使用案例，請參閱此頁面上的詳細範例。

對於遷移學習的使用案例，請務必閱讀遷移學習和微調指南。

此模型的預設輸入大小為 224x224。

注意：每個 Keras 應用都期望有特定的輸入預處理方式。對於 VGG19，請在將輸入傳遞給模型之前，對您的輸入調用 keras.applications.vgg19.preprocess_input。vgg19.preprocess_input 會將輸入圖像從 RGB 轉換為 BGR，然後將每個色彩通道相對於 ImageNet 資料集進行零中心化，而不進行縮放。

引數

• include_top：是否包含網路頂部的 3 個全連接層。
• weights：以下其中一個值：None（隨機初始化）、"imagenet"（在 ImageNet 上預訓練）或要載入的權重檔案路徑。
• 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，只有在 include_top 為 False 時才需要指定（否則輸入形狀必須為 (224, 224, 3)（使用 channels_last 資料格式）或 (3, 224, 224)（使用 "channels_first" 資料格式）。它應該正好有 3 個輸入通道，且寬度和高度不應小於 32。例如，(200, 200, 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一個 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，只有在 include_top 為 True 且未指定 weights 引數時才需要指定。
• classifier_activation：一個 str 或可呼叫物件。用於「頂部」層的啟動函數。除非 include_top=True，否則將忽略。將 classifier_activation=None 設定為返回「頂部」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）。

返回

一個模型實例。