Функция applications.VGG16

Функция applications.VGG16 создает модель сверточной нейронной сети архитектуры VGG16. Первым параметром функция принимает логическое значение include_top, которое указывает, включать ли полносвязный классификатор на выходе. Вторым параметром можно передать тип весов weights, например 'imagenet' для предобученных весов или None для случайной инициализации. Также можно указать форму входного тензора input_shape, число классов classes и другие параметры.

Синтаксис

tf.keras.applications.VGG16(
	include_top=True,
	weights='imagenet',
	input_tensor=None,
	input_shape=None,
	pooling=None,
	classes=1000,
	classifier_activation='softmax'
)

Пример

Давайте создадим модель VGG16 с предобученными весами ImageNet и полносвязным классификатором:

import tensorflow as tf

model = tf.keras.applications.VGG16(
	include_top=True,
	weights='imagenet'
)
model.summary()

Результат выполнения кода:

Model: "vgg16"
...
Total params: 138,357,544
Trainable params: 138,357,544
Non-trainable params: 0

Пример

Давайте создадим модель VGG16 без полносвязного классификатора для извлечения признаков:

import tensorflow as tf

model = tf.keras.applications.VGG16(
	include_top=False,
	weights='imagenet',
	input_shape=(224, 224, 3)
)
print(model.output_shape)

Результат выполнения кода:

(None, 7, 7, 512)

Пример

Давайте создадим модель VGG16 без предобученных весов со случайной инициализацией:

import tensorflow as tf

model = tf.keras.applications.VGG16(
	include_top=True,
	weights=None,
	classes=10
)
print(model.output_shape)

Результат выполнения кода:

(None, 10)

Пример

Давайте создадим модель VGG16 с глобальным усредняющим пулингом вместо полносвязного слоя:

import tensorflow as tf

model = tf.keras.applications.VGG16(
	include_top=False,
	weights='imagenet',
	pooling='avg'
)
print(model.output_shape)

Результат выполнения кода:

(None, 512)

Смотрите также

функцию VGG19,
которая создает модель VGG19
функцию ResNet50,
которая создает модель ResNet50
функцию load_model,
которая загружает сохраненную модель
функцию save_model,
которая сохраняет модель в файл