Функция applications.ConvNeXtTiny

Функция applications.ConvNeXtTiny создает модель ConvNeXt Tiny - компактную версию архитектуры ConvNeXt, предназначенную для классификации изображений. Первым параметром передается форма входных данных input_shape, вторым - количество классов classes, третьим - использовать ли предобученные веса ImageNet через параметр weights. Модель возвращает объект tf.keras.Model, готовый к обучению или извлечению признаков.

Синтаксис

tf.keras.applications.ConvNeXtTiny(
	input_shape=None,
	classes=1000,
	weights='imagenet',
	include_top=True
)

Пример

Давайте создадим модель ConvNeXt Tiny без предобученных весов и выведем ее итоговую форму:

import tensorflow as tf

model = tf.keras.applications.ConvNeXtTiny(
	input_shape=(224, 224, 3),
	classes=10,
	weights=None
)
print(model.output_shape)

Результат выполнения кода:

(None, 10)

Пример

Давайте загрузим модель с предобученными весами ImageNet и посмотрим количество параметров:

import tensorflow as tf

model = tf.keras.applications.ConvNeXtTiny(
	input_shape=(224, 224, 3),
	weights='imagenet'
)
print(model.count_params())

Результат выполнения кода:

27820488

Пример

Давайте создадим модель без верхнего классификационного слоя и применим ее к тензору изображения:

<+python+> import tensorflow as tf tf.random.set_seed(0) model = tf.keras.applications.ConvNeXtTiny( input_shape=(224, 224, 3), include_top=False, weights=None ) t = tf.random.normal((1, 224, 224, 3)) res = model(t) print(res.shape) <-python+>

Результат выполнения кода:

(1, 7, 7, 768)

Смотрите также

функцию EfficientNetB0,
которая создает модель EfficientNetB0
функцию MobileNetV2,
которая создает легкую модель MobileNetV2
функцию ResNet50,
которая создает модель ResNet50
функцию load_model,
которая загружает сохраненную модель