Ein Deep-Learning-Netzwerk aufbauen
Ein tiefes Convolutional Neural Network ist ein Netzwerk mit mehr als einer Schicht. Jede Schicht in einem tiefen Netzwerk bekommt ihre Eingaben von der Schicht davor, wobei die allererste Schicht ihre Eingaben von den Bildern bekommt, die als Trainings- oder Testdaten verwendet werden.
Hier erstellst du ein Netzwerk mit zwei Faltungs-Schichten.
Diese Übung ist Teil des Kurses
Bildmodellierung mit Keras
Anleitung zur Übung
- Die erste Faltungsschicht ist die Eingabeschicht des Netzwerks. Das sollte 15 Einheiten mit Kernen von 2 mal 2 Pixel haben. Es sollte eine Aktivierungsfunktion „
'relu'“ haben. Es kann die Variablen „img_rows“ und „img_cols“ verwenden, um seine „input_shape“ zu definieren. - Die zweite Faltungsschicht kriegt ihre Eingaben von der ersten Schicht. Es sollte 5 Einheiten mit Kernen von 2 mal 2 Pixel haben. Es sollte auch eine Aktivierungsfunktion „
'relu'“ haben.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten
model = Sequential()
# Add a convolutional layer (15 units)
____
# Add another convolutional layer (5 units)
____
# Flatten and feed to output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))