Xception

[原始碼]

Xception 函數

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

實例化 Xception 架構。

參考文獻

• Xception: Deep Learning with Depthwise Separable Convolutions (CVPR 2017)

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。

此模型的預設輸入影像尺寸為 299x299。

注意：每個 Keras 應用程式都預期有特定種類的輸入預處理。對於 Xception，請在將輸入傳遞至模型之前，先在您的輸入上呼叫 keras.applications.xception.preprocess_input。xception.preprocess_input 將輸入像素縮放至 -1 和 1 之間。

引數

• include_top：是否包含網路頂端的 3 個全連接層。
• weights：None (隨機初始化)、「"imagenet"」(在 ImageNet 上預先訓練) 或要載入的權重檔案路徑之一。
• input_tensor：選用的 Keras 張量 (即 layers.Input() 的輸出)，用作模型的影像輸入。
• 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))。它應精確地具有 3 個輸入通道，且寬度和高度應不小於 71。例如，(150, 150, 3) 將會是其中一個有效值。
• pooling：當 include_top 為 False 時，用於特徵提取的選用池化模式。
  • None 表示模型的輸出將會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套用全域平均池化，因此模型的輸出將會是 2D 張量。
  • max 表示將套用全域最大池化。
• classes：選用的類別數量，用於將影像分類到這些類別中，僅在 include_top 為 True，且未指定 weights 引數時指定。預設值為 1000。
• classifier_activation：str 或可呼叫項。要在「頂端」層上使用的啟動函數。除非 include_top=True，否則會忽略。設定 classifier_activation=None 以傳回「頂端」層的 logits。載入預先訓練的權重時，classifier_activation 只能是 None 或 "softmax"。
• name：模型的名稱 (字串)。

傳回

模型實例。