► Keras 2 API 文档 / Keras 应用 / DenseNet

DenseNet

[源代码]

DenseNet121 函数

tf_keras.applications.DenseNet121(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

实例化 DenseNet121 架构。

参考

可以选择加载在 ImageNet 上预训练的权重。请注意，模型使用的數據格式约定是在您 TF-Keras 配置文件 ~/.keras/keras.json 中指定的。

注意：每个 TF-Keras 应用都期望特定类型的输入预处理。对于 DenseNet，在将输入传递给模型之前，请在您的输入上调用 tf.keras.applications.densenet.preprocess_input。

参数

  • include_top：是否包含网络顶部的全连接层。
  • weights：None（随机初始化）、'imagenet'（在 ImageNet 上预训练）或要加载的权重文件的路径。
  • input_tensor：可选的 TF-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 (224, 224, 3)（使用 'channels_last' 数据格式）或 (3, 224, 224)（使用 'channels_first' 数据格式）。它应该恰好有 3 个输入通道，并且宽度和高度不应小于 32。例如 (200, 200, 3) 是一个有效的值。
  • 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 表示全局平均池化将应用于最后一个卷积块的输出，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：要将图像分类到的类的可选数量，仅在 include_top 为 True 且未指定 weights 参数时指定。
  • classifier_activation：一个 str 或可调用对象。要对“顶部”层使用的激活函数。除非 include_top=True，否则会被忽略。设置 classifier_activation=None 以返回“顶部”层的 logits。加载预训练权重时，classifier_activation 只能为 None 或 "softmax"。

返回值

一个 TF-Keras 模型实例。

[源代码]

DenseNet169 函数

tf_keras.applications.DenseNet169(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

实例化 DenseNet169 架构。

参考

可以选择加载在 ImageNet 上预训练的权重。请注意，模型使用的數據格式约定是在您 TF-Keras 配置文件 ~/.keras/keras.json 中指定的。

注意：每个 TF-Keras 应用都期望特定类型的输入预处理。对于 DenseNet，在将输入传递给模型之前，请在您的输入上调用 tf.keras.applications.densenet.preprocess_input。

参数

  • include_top：是否包含网络顶部的全连接层。
  • weights：None（随机初始化）、'imagenet'（在 ImageNet 上预训练）或要加载的权重文件的路径。
  • input_tensor：可选的 TF-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 (224, 224, 3)（使用 'channels_last' 数据格式）或 (3, 224, 224)（使用 'channels_first' 数据格式）。它应该恰好有 3 个输入通道，并且宽度和高度不应小于 32。例如 (200, 200, 3) 是一个有效的值。
  • 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 表示全局平均池化将应用于最后一个卷积块的输出，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：要将图像分类到的类的可选数量，仅在 include_top 为 True 且未指定 weights 参数时指定。
  • classifier_activation：一个 str 或可调用对象。要对“顶部”层使用的激活函数。除非 include_top=True，否则会被忽略。设置 classifier_activation=None 以返回“顶部”层的 logits。加载预训练权重时，classifier_activation 只能为 None 或 "softmax"。

返回值

一个 TF-Keras 模型实例。

[源代码]

DenseNet201 函数

tf_keras.applications.DenseNet201(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
)

实例化 DenseNet201 架构。

参考

可以选择加载在 ImageNet 上预训练的权重。请注意，模型使用的數據格式约定是在您 TF-Keras 配置文件 ~/.keras/keras.json 中指定的。

注意：每个 TF-Keras 应用都期望特定类型的输入预处理。对于 DenseNet，在将输入传递给模型之前，请在您的输入上调用 tf.keras.applications.densenet.preprocess_input。

参数

  • include_top：是否包含网络顶部的全连接层。
  • weights：None（随机初始化）、'imagenet'（在 ImageNet 上预训练）或要加载的权重文件的路径。
  • input_tensor：可选的 TF-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 (224, 224, 3)（使用 'channels_last' 数据格式）或 (3, 224, 224)（使用 'channels_first' 数据格式）。它应该恰好有 3 个输入通道，并且宽度和高度不应小于 32。例如 (200, 200, 3) 是一个有效的值。
  • 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 表示全局平均池化将应用于最后一个卷积块的输出，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：要将图像分类到的类的可选数量，仅在 include_top 为 True 且未指定 weights 参数时指定。
  • classifier_activation：一个 str 或可调用对象。要对“顶部”层使用的激活函数。除非 include_top=True，否则会被忽略。设置 classifier_activation=None 以返回“顶部”层的 logits。加载预训练权重时，classifier_activation 只能为 None 或 "softmax"。

返回值

一个 TF-Keras 模型实例。

DenseNet
DenseNet121 函数
DenseNet169 函数
DenseNet201 函数