Trainiere ein tiefes CNN mit Pooling, um Bilder zu klassifizieren.
Das Training eines CNN mit Pooling-Schichten ist ziemlich ähnlich wie das Training der tiefen Netzwerke, die du schon kennst. Sobald das Netzwerk aufgebaut ist (wie in der vorherigen Übung), muss das Modell richtig kompiliert werden. Dann musst du Trainingsdaten bereitstellen, zusammen mit den anderen Argumenten, die den Anpassungsvorgang steuern.
Die folgende Datei „ model “ aus der vorherigen Übung ist in deinem Arbeitsbereich verfügbar:
Faltung => Max-Pooling => Faltung => Abflachen => Dichte
Diese Übung ist Teil des Kurses
<Kurs>Bildmodellierung mit Keras</Kurs>Übungsanweisungen
- Kompiliere dieses Modell, um die kategoriale Kreuzentropie-Verlustfunktion und den Adam-Optimierer zu verwenden.
- Trainiere das Modell für 3 Epochen mit Batches der Größe 10.
- Nimm 20 % der Daten als Validierungsdaten.
- Probier das Modell auf
test_datamittest_labelsaus (auch mit 10 Batches).
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Compile the model
____
# Fit to training data
____
# Evaluate on test data
____