Trainiere ein tiefes CNN, um Bilder von Kleidungsstücken zu klassifizieren.
Das Training eines Deep-Learning-Modells ist ziemlich ähnlich wie das Training eines Netzwerks mit nur einer Schicht. Sobald das Modell erstellt ist (wie du es in der vorherigen Übung gemacht hast), musst du es mit den richtigen Parametern kompilieren. Dann wird das Modell mit Trainingsdaten und Trainingslabels angepasst. Nach dem Training kann das Modell anhand von Testdaten bewertet werden.
Der in der vorherigen Übung erstellte „ model ” ist in deinem Arbeitsbereich verfügbar.
Diese Übung ist Teil des Kurses
Bildmodellierung mit Keras
Anleitung zur Übung
- Kompiliere das Modell, um die kategoriale Kreuzentropie-Verlustfunktion und den Adam-Optimierer zu verwenden.
- Trainiere das Netzwerk mit „
train_data“ für 3 Epochen mit Batches von jeweils 10 Bildern. - Verwende während des Trainings 20 % der Trainingsdaten, die zufällig ausgewählt wurden, als Validierungsdaten.
- Das Modell mit „
test_data“ bewerten und eine Batchgröße von 10 verwenden.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Compile model
model.____(optimizer=____,
loss='categorical_crossentropy',
metrics=['accuracy'])
# Fit the model to training data
model.____(____, ____,
validation_split=0.2,
epochs=3, batch_size=10)
# Evaluate the model on test data
model.____(____, ____, batch_size=10)