InceptionResNetV2

[源代码]

InceptionResNetV2 函数

tf_keras.applications.InceptionResNetV2(
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    input_shape=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    **kwargs
)

实例化 Inception-ResNet v2 架构。

参考文献

• Inception-v4、Inception-ResNet 及残差连接对学习的影响 (AAAI 2017)

此函数返回一个 TF-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和微调指南。

注意：每个 TF-Keras 应用都期望特定类型的输入预处理。对于 InceptionResNetV2，在将输入传递到模型之前，请在输入上调用tf.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 (299, 299, 3)（使用 'channels_last' 数据格式）或 (3, 299, 299)（使用 'channels_first' 数据格式）。它应该正好有 3 个输入通道，宽度和高度不应小于 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：可选的图像分类类别数，仅在 include_top 为 True 且未指定 weights 参数时指定。
• classifier_activation：str 或可调用对象。在“顶部”层上使用的激活函数。除非 include_top=True，否则将被忽略。将 classifier_activation 设置为 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"。
• **kwargs：仅为向后兼容性。

返回值

一个keras.Model 实例。