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

Функция applications.EfficientNetB3

Функция applications.EfficientNetB3 создает модель нейронной сети архитектуры EfficientNetB3, предобученную на наборе данных ImageNet. Первым параметром функция принимает настройку весов weights, вторым - форму входных данных input_shape. Третьим параметром можно передать количество классов classes для выходного слоя. Модель подходит для задач классификации изображений и переноса обучения.

Синтаксис

tf.keras.applications.EfficientNetB3( include_top=True, weights='imagenet', input_shape=None, classes=1000 )

Пример

Давайте создадим модель EfficientNetB3 с весами ImageNet и стандартной формой входа:

import tensorflow as tf model = tf.keras.applications.EfficientNetB3( weights='imagenet', input_shape=(300, 300, 3) ) print(model.input_shape) print(model.output_shape)

Результат выполнения кода:

(None, 300, 300, 3) (None, 1000)

Пример

Давайте создадим модель без верхних слоев для извлечения признаков:

import tensorflow as tf base_model = tf.keras.applications.EfficientNetB3( include_top=False, weights='imagenet', input_shape=(300, 300, 3) ) print(base_model.output_shape)

Результат выполнения кода:

(None, 10, 10, 1536)

Пример

Давайте создадим модель для классификации на пять классов:

import tensorflow as tf model = tf.keras.applications.EfficientNetB3( include_top=True, weights=None, input_shape=(300, 300, 3), classes=5 ) print(model.output_shape)

Результат выполнения кода:

(None, 5)

Пример

Давайте выполним предсказание для случайного изображения:

import tensorflow as tf tf.random.set_seed(0) model = tf.keras.applications.EfficientNetB3( weights='imagenet', input_shape=(300, 300, 3) ) img = tf.random.uniform((1, 300, 300, 3)) res = model.predict(img) print(res.shape)

Результат выполнения кода:

(1, 1000)

Смотрите также

  • функцию EfficientNetB0,
    которая создает облегченную модель EfficientNetB0
  • функцию load_model,
    которая загружает сохраненную модель
  • функцию save_model,
    которая сохраняет модель в файл
  • функцию ResNet50,
    которая создает модель ResNet50
Мы используем cookie для работы сайта, аналитики и персонализации. Обработка данных происходит согласно Политике конфиденциальности.
принять все настроить отклонить