РЕПЕТИТОР математика физика информатика
Для школьников и студентов. Подтягивание пробелов. ЦЭ, ЦТ, ОГЭ, ЕГЭ.
Идет набор на ЛЕТО. Жмите для подробностей:)
333 of 824 menu

Функция applications.EfficientNetB0

Функция applications.EfficientNetB0 создает модель нейронной сети архитектуры EfficientNetB0. Первым параметром функция принимает размер входного изображения, вторым - логическое значение, включать ли полносвязный слой классификации. Третьим параметром можно передать количество классов для классификации. Также доступны параметры для настройки весов и формы входного тензора.

Синтаксис

tf.keras.applications.EfficientNetB0( input_shape=[224, 224, 3], include_top=True, weights='imagenet', classes=1000, classifier_activation='softmax' )

Пример

Давайте создадим модель EfficientNetB0 без полносвязного слоя классификации:

import tensorflow as tf model = tf.keras.applications.EfficientNetB0( input_shape=[224, 224, 3], include_top=False, weights='imagenet' ) print(model.output_shape)

Результат выполнения кода:

(None, 7, 7, 1280)

Пример

Давайте создадим модель с полносвязным слоем классификации:

import tensorflow as tf model = tf.keras.applications.EfficientNetB0( input_shape=[224, 224, 3], include_top=True, weights='imagenet' ) print(model.output_shape)

Результат выполнения кода:

(None, 1000)

Пример

Давайте создадим модель для классификации изображений с тремя классами:

import tensorflow as tf model = tf.keras.applications.EfficientNetB0( input_shape=[224, 224, 3], include_top=True, weights=None, classes=3, classifier_activation='softmax' ) print(model.output_shape)

Результат выполнения кода:

(None, 3)

Пример

Давайте применим модель к тензору с изображением и выведем форму результата:

import tensorflow as tf model = tf.keras.applications.EfficientNetB0( input_shape=[224, 224, 3], include_top=True, weights='imagenet' ) t = tf.constant([[[[1.0, 2.0, 3.0]] * 224] * 224]) res = model(t) print(res.shape)

Результат выполнения кода:

(1, 1000)

Смотрите также

  • функцию EfficientNetB3,
    которая создает модель EfficientNetB3
  • функцию MobileNetV2,
    которая создает модель MobileNetV2
  • функцию ResNet50,
    которая создает модель ResNet50
  • функцию load_model,
    которая загружает модель из файла
Мы используем cookie для работы сайта, аналитики и персонализации. Обработка данных происходит согласно Политике конфиденциальности.
принять все настроить отклонить