NasNetLarge 和 NasNetMobile

[source]

NASNetLarge function

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

实例化一个在ImageNet模式下的NASNet模型.

参考: - Learning Transferable Architectures for Scalable Image Recognition (CVPR 2018)

可选地加载在ImageNet上预训练的权重. 注意,模型的数据格式约定是 在您的Keras配置文件~/.keras/keras.json中指定的那个.

注意:每个Keras应用程序期望一种特定的输入预处理. 对于NASNet,在将输入传递给模型之前,调用keras.applications.nasnet.preprocess_input.

参数: input_shape:可选的形状元组,仅在include_top为False时指定 （否则输入形状 必须是(331, 331, 3)用于NASNetLarge. 它应该正好有3个输入通道, 并且宽度和高度不应小于32. 例如(224, 224, 3)是一个有效值. include_top:是否在网络顶部包含全连接层. weights:None（随机初始化）或 imagenet（ImageNet权重）. 对于加载imagenet权重, input_shape应该是(331, 331, 3) input_tensor:可选的Keras张量（即layers.Input()的输出） 用作模型的图像输入. pooling:当include_top为False时用于特征提取的可选池化模式. - None意味着模型的输出 将是最后一个卷积层的4D张量输出. - avg意味着将对最后一个卷积层的输出应用全局平均池化, 因此模型的输出将是一个 2D张量. - max意味着将应用全局最大池化. classes:可选的分类图像的类别数量,仅在include_top为True时指定, 并且如果没有指定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. 当加载预训练权重时,classifier_activation 只能是None或"softmax". name:模型的名称（字符串）.

返回: 一个Keras模型实例.

[source]

NASNetMobile function

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

实例化一个在ImageNet模式下的Mobile NASNet模型.

参考: - Learning Transferable Architectures for Scalable Image Recognition (CVPR 2018)

可选地加载在ImageNet上预训练的权重. 注意,模型使用的数据格式约定是 在~/.keras/keras.json中指定的那个.

注意:每个Keras应用程序期望一种特定的输入预处理. 对于NASNet,在将输入传递给模型之前,调用keras.applications.nasnet.preprocess_input.

参数: input_shape:可选的形状元组,仅在include_top为False时指定 （否则输入形状 必须是(224, 224, 3)用于NASNetMobile 它应该正好有3个输入通道, 并且宽度和高度不应小于32. 例如,(224, 224, 3)是一个有效的值. include_top:是否在网络顶部包含全连接层. weights:None（随机初始化）或 imagenet（ImageNet权重）.对于加载imagenet权重, input_shape应该是(224, 224, 3) input_tensor:可选的Keras张量（即layers.Input()的输出） 用作模型的图像输入. pooling:当include_top为False时用于特征提取的可选池化模式. - None意味着模型的输出 将是最后一个卷积层的4D张量输出. - avg意味着将对最后一个卷积层的输出应用全局平均池化, 因此模型的输出将是一个 2D张量. - max意味着将应用全局最大池化. classes:可选的分类图像的类别数量,仅在include_top为True时指定, 并且如果没有指定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. 当加载预训练权重时,classifier_activation只能是None或"softmax". name:模型的名称（字符串）.

返回: 一个Keras模型实例.