Функция applications.ResNet101

Функция applications.ResNet101 создает модель ResNet101 - глубокую сверточную нейронную сеть из 101 слоя с остаточными связями. Первым параметром передается форма входных данных input_shape, вторым - использовать ли предобученные веса weights. Третьим параметром указывается количество классов classes. Также можно передать параметр include_top, который определяет, включать ли полносвязный классификатор в конце сети.

Синтаксис

tf.keras.applications.ResNet101(
	include_top=True,
	weights='imagenet',
	input_shape=None,
	classes=1000
)

Пример

Давайте создадим модель ResNet101 с предобученными весами для классификации изображений:

import tensorflow as tf

model = tf.keras.applications.ResNet101(
	weights='imagenet'
)
print(model.name)
print(len(model.layers))

Результат выполнения кода:

resnet101
347

Пример

Давайте создадим модель без полносвязного классификатора и укажем форму входных данных:

import tensorflow as tf

model = tf.keras.applications.ResNet101(
	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, 2048)

Пример

Давайте выполним предсказание для случайного изображения:

import tensorflow as tf
import numpy as np

tf.random.set_seed(0)

model = tf.keras.applications.ResNet101(
	weights='imagenet'
)

img = tf.random.normal((1, 224, 224, 3))
res = model.predict(img, verbose=0)
print(res.shape)
print(np.argmax(res))

Результат выполнения кода:

(1, 1000)
82

Смотрите также

функцию ResNet50,
которая создает модель ResNet50 из 50 слоев
функцию VGG16,
которая создает модель VGG16 с 16 слоями
функцию InceptionV3,
которая создает модель InceptionV3
функцию EfficientNetB0,
которая создает модель EfficientNetB0