InceptionResNetV2
InceptionResNetV2 function
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",
)
实例化 Inception-ResNet v2 架构.
参考文献: - Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning (AAAI 2017)
此函数返回一个 Keras 图像分类模型, 可以选择加载在 ImageNet 上预训练的权重.
对于图像分类用例,请参阅 此页面以获取详细示例.
对于迁移学习用例,请务必阅读 迁移学习与微调指南.
注意:每个 Keras 应用程序都期望特定类型的
输入预处理.对于 InceptionResNetV2,请在将输入传递给模型之前调用
keras.applications.inception_resnet_v2.preprocess_input.
inception_resnet_v2.preprocess_input
将输入像素缩放至 -1 到 1 之间.
参数:
include_top: 是否在网络顶部包含全连接层.
weights: 可以是 None（随机初始化）,
"imagenet"（在 ImageNet 上预训练）,
或要加载的权重文件路径.
input_tensor: 可选的 Keras 张量
（即 layers.Input() 的输出）
用作模型的图像输入.
input_shape: 可选的形状元组,仅在 include_top 为 False 时指定
（否则输入形状必须为 (299, 299, 3)
（使用 'channels_last' 数据格式）
或 (3, 299, 299)（使用 'channels_first' 数据格式）.
它应具有恰好 3 个输入通道,
且宽度和高度应不小于 75.
例如 (150, 150, 3) 是一个有效值.
pooling: 当 include_top 为 False 时用于特征提取的可选池化模式.
- None 表示模型的输出将是最后一个卷积块的 4D 张量输出.
- 'avg' 表示将对最后一个卷积块的输出应用全局平均池化,
因此模型的输出将是 2D 张量.
- 'max' 表示将应用全局最大池化.
classes: 可选的分类图像类数,仅在 include_top 为 True 时指定,
且未指定 weights 参数.
classifier_activation: 一个 str 或可调用对象.
用于 "顶部" 层的激活函数.
除非 include_top=True,否则忽略.
设置 classifier_activation=None 以返回 "顶部" 层的 logits.
在加载预训练权重时,classifier_activation 只能是 None 或 "softmax".
name: 模型的名称（字符串）.
返回: 一个模型实例.