一、可用的模型
在ImageNet上预训练过的用于图像分类的模型:
VGG16
VGG19
ResNet50
InceptionV3
InceptionResNetV2
Xception
MobileNet
MobileNetV2
DenseNet
NASNet
二、Xception使用实例
tf.keras.applications.xception.Xception(
include_ top=True, weights= imagenet', input tensor=None,
input shape=None, pooling=None, classes= 1000
)
在ImageNet.上预训练的Xception V1模型,在ImageNet上,该模型取得了验证集top1 0.790和top5 0.945的准确率。注意该模型只支持channels_ last 的维度顺序(高度、宽度、通道)
模型默认输入尺寸是299x299。
重要参数
include_ top: 是否包括顶层的全连接层。
weights: None代表随机初始化,imagenet' 代表加载在ImageNet.上预
训练的权值。
input_ shape:可选,输入尺寸元组,仅当include_ top=False时有效(否则
输入形状必须是(299, 299, 3),因为预训练模型是以这个大小训练的)。它
必须拥有3个输入通道,且宽高必须不小于71。例如(150, 150,3)是一个
合法的输入尺寸。
pooling:可选,
当include_ top 为False时,该参数指定了特征提取时的池化方式。
None代表不池化,直接输出最后一层卷积层的输出,该输出是一个4D张量。
'avg'代表全局平均池化(GlobalAveragePooling2D) ,相当于在最后-层
卷积层后面再加一层全局平均池化层,输出是一个2D张量。
'max'代表全局最大池化。