Začněte nyníZačněte zdarma

Sestavení modelu CNN

Sestavit model CNN v Kerasu není o mnoho náročnější než postavit jakýkoli jiný model z tohoto kurzu! Stačí využít konvoluční vrstvy.

Sestavíš jednoduchý konvoluční model, který klasifikuje obrázky z datasetu MNIST s číslicemi – ten samý, který jsi odšumoval/a pomocí svého autoencoderu! Obrázky mají rozměr 28 × 28 pixelů a jen jeden kanál, protože jde o černobílé snímky.

Pusť se do sestavení tohoto malého konvolučního modelu!

Toto cvičení je součástí kurzu

Úvod do hlubokého učení s Keras

Zobrazit kurz

Pokyny k cvičení

  • Importuj vrstvy Conv2D a Flatten a vytvoř instanci modelu.
  • Přidej první konvoluční vrstvu s 32 filtry velikosti 3 × 3 a odpovídající 3D n-ticí jako input_shape.
  • Přidej druhou konvoluční vrstvu s 16 filtry velikosti 3 × 3 s aktivací relu.
  • Zploštěte výstup předchozí vrstvy pomocí Flatten a vytvoř jednorozměrný vektor.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import the Conv2D and Flatten layers and instantiate model
from tensorflow.keras.____ import ____,____
model = ____

# Add a convolutional layer of 32 filters of size 3x3
model.add(Conv2D(____, kernel_size = ____, input_shape = (____, ____, 1), activation = 'relu'))

# Add a convolutional layer of 16 filters of size 3x3
model.add(____(____, ____ = ____, activation = ____))

# Flatten the previous layer output
model.add(____)

# Add as many outputs as classes with softmax activation
model.add(Dense(10, activation = 'softmax'))
Upravit a spustit kód