理工酷

MobileNet 函数

tf.keras.applications.MobileNet(
    input_shape=None,
    alpha=1.0,
    depth_multiplier=1,
    dropout=0.001,
    include_top=True,
    weights="imagenet",
    input_tensor=None,
    pooling=None,
    classes=1000,
    classifier_activation="softmax",
    **kwargs
)

实例化MobileNet体系结构.

参考

MobileNets：用于移动视觉应用的高效卷积神经网络

可以加载基于ImageNet的预训练权重。 请注意，模型使用的数据格式是tf.keras.backend.image_data_format（）中指定的格式。

注意：每个Keras应用程序都需要一种特定类型的输入预处理。对于MobileNet，在将输入传递给模型之前，对输入调用tf.keras.applications.mobilenet.preprocess_input。

变量

• input_shape：可选的形状元组，仅当include_top为False时才指定（否则，输入形状必须为（224，224，3）（使用channels_last数据格式）或（3，224，224）（使用channels_first数据格式）。 它应该有3个输入通道，宽度和高度不小于32，例如（200，200，3）是一个有效值，默认为None，如果提供了input_tensor，则将忽略input_shape。

• alpha：控制网络的宽度。 这在MobileNet论文中称为宽度倍增器。 如果alpha <1.0，则按比例减少每层中的滤波器数量；如果alpha> 1.0，则按比例增加每层中的滤波器数量；如果alpha = 1，则在每一层使用论文中默认滤波器数量， 默认为1.0。

• depth_multiplier：用于深度卷积的深度乘数。 这在MobileNet论文中称为分辨率乘数，默认为1.0。

• dropout:默认值0.001.

• include_top：布尔值，是否在网络顶部包括完全连接的层。 默认为True。

• weights:“None”（随机初始化），“ imagenet”（在ImageNet上进行预训练）或要加载的权重文件的路径之一。 默认imagenet。

• input_tensor：可选的Keras张量（即layers.Input（）的输出），用作模型的图像输入。input_tensor对于在多个不同网络之间共享输入很有用。 默认为None。

• pooling：当include_top为False时，用于特征提取的可选池模式。

  • None（默认）表示模型的输出将是最后一个卷积块的4D张量输出。
  • avg表示全局平均池将应用于最后一个卷积块的输出，因此模型的输出将为2D张量。
  • max表示将应用全局最大池。

• classes：分类图像的可选类数，仅当include_top为True且未指定weights参数时才指定.默认值为1000。

• classifier_activation：字符串或调用值。 要在顶层上使用的激活函数。 除非include_top = True,否则将被忽略。 设置classifier_activation=None返回“顶层”的登录信息。

• ** kwargs：仅用于向后兼容。

返回

keras.Model实例。

Raises

• ValueError：权重参数无效或输入形状无效。
• ValueError：如果使用预训练的顶层时classifier_activation不是softmax或None，则为ValueError。

可参考阅读https://keras.io/api/applications/mobilenet/