Функция applications.ResNet50

Функция applications.ResNet50 создает и возвращает модель нейронной сети ResNet50. Первым параметром передается форма входных данных input_shape. Вторым параметром можно указать количество классов classes. Третьим параметром задается использование предобученных весов на наборе данных ImageNet через weights. По умолчанию модель загружается с весами 'imagenet' и 1000 классами.

Синтаксис

tf.keras.applications.ResNet50(
	input_shape=None,
	classes=1000,
	weights='imagenet',
	include_top=True,
	pooling=None
)

Пример

Давайте загрузим модель ResNet50 с предобученными весами без верхнего классификационного слоя:

import tensorflow as tf

model = tf.keras.applications.ResNet50(
	input_shape=(224, 224, 3),
	include_top=False,
	weights='imagenet'
)
print(model.input_shape)
print(model.output_shape)

Результат выполнения кода:

(None, 224, 224, 3)
(None, 7, 7, 2048)

Пример

Давайте создадим модель ResNet50 с собственным количеством классов и проверим форму выходного тензора:

import tensorflow as tf

model = tf.keras.applications.ResNet50(
	input_shape=(224, 224, 3),
	classes=10,
	weights=None
)
print(model.output_shape)

Результат выполнения кода:

(None, 10)

Пример

Давайте выполним предсказание для случайного изображения с помощью загруженной модели:

import tensorflow as tf
import numpy as np

tf.random.set_seed(0)

model = tf.keras.applications.ResNet50(
	input_shape=(224, 224, 3),
	weights='imagenet'
)

img = tf.random.uniform((1, 224, 224, 3))
preds = model.predict(img)
print(preds.shape)

Результат выполнения кода:

(1, 1000)

Смотрите также

функцию ResNet101,
которая загружает более глубокую версию сети ResNet
функцию MobileNetV2,
которая загружает легковесную модель для мобильных устройств
функцию VGG16,
которая загружает классическую сверточную сеть VGG16
функцию EfficientNetB0,
которая загружает эффективную модель семейства EfficientNet