Готовая свёртка в TensorFlow

Для классификации изображений удобен класс MobileNetV2: в нём свёрточные блоки уже связаны, остаётся задать размер картинки и не тянуть готовые веса из сети.

Создадим экземпляр с параметром weights равным None и формой входа 32 на 32 пикселей и 3 канала в порядке NHWC:

import tensorflow as tf

tf.keras.utils.set_random_seed(0)
net = tf.keras.applications.MobileNetV2(
	weights=None,
	input_shape=(32, 32, 3),
)
print(net.input_shape)
# выведет (None, 32, 32, 3)

Подадим одну миниатюру из нулей и посмотрим форму ответа на 1000 классов:

import tensorflow as tf

tf.keras.utils.set_random_seed(0)
net = tf.keras.applications.MobileNetV2(
	weights=None,
	input_shape=(32, 32, 3),
)
batch = tf.constant(
	[[[[0.0, 0.0, 0.0]] * 32] * 32],
	dtype=tf.float32,
)
scores = net(batch)
print(scores.shape)
# выведет (1, 1000)

Соберите готовую свёрточную сеть для картинок 24 на 24 с тремя каналами без загрузки чужих весов. Выведите форму её входа.

Для такой же сети с формой (16, 16, 3) прогоните один пакет из единичных значений и выведите форму ответа.

Возьмите лёгкую готовую архитектуру с верхним классификатором, входом (28, 28, 3) и своими случайными весами. Выведите число выходных классов по форме последнего тензора.