Функция applications.DenseNet121

Функция applications.DenseNet121 создает модель сверточной нейронной сети архитектуры DenseNet121. Первым параметром передается форма входных данных input_shape без учета размера батча. Параметр weights определяет веса модели: 'imagenet' загружает предобученные веса, None создает модель со случайной инициализацией. Параметр include_top отвечает за включение полносвязного классификатора в конце сети. Параметр classes задает число классов для выходного слоя.

Синтаксис

tf.keras.applications.DenseNet121(
	include_top=True,
	weights='imagenet',
	input_tensor=None,
	input_shape=None,
	pooling=None,
	classes=1000,
	classifier_activation='softmax'
)

Пример

Давайте создадим модель DenseNet121 с предобученными весами и стандартным входом:

import tensorflow as tf

model = tf.keras.applications.DenseNet121(
	weights='imagenet'
)
print(model.name)
print(len(model.layers))

Результат выполнения кода:

densenet121
427

Пример

Давайте создадим модель с собственной формой входа и без классификатора сверху:

import tensorflow as tf

model = tf.keras.applications.DenseNet121(
	include_top=False,
	weights='imagenet',
	input_shape=(224, 224, 3)
)
print(model.input_shape)
print(model.output_shape)

Результат выполнения кода:

(None, 224, 224, 3)
(None, 7, 7, 1024)

Пример

Давайте создадим модель для классификации на собственное число классов и применим ее к тензору:

import tensorflow as tf

model = tf.keras.applications.DenseNet121(
	weights=None,
	classes=10,
	input_shape=(224, 224, 3)
)

t = tf.constant([[[[1.0] * 3] * 224] * 224])
res = model.predict(t)
print(res.shape)

Результат выполнения кода:

(1, 10)

Смотрите также

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