Dropout zum Netzwerk hinzufügen

Dropout ist eine Art der Regularisierung, bei der in jeder Trainingsrunde eine andere zufällige Untergruppe der Einheiten in einer Schicht entfernt wird. In dieser Übung fügen wir dem konvolutionellen neuronalen Netzwerk, das wir in den vorherigen Übungen verwendet haben, Dropout hinzu:

Faltung (15 Einheiten, Kernelgröße 2, „relu”-Aktivierung)
Abbrecherquote (20 %)
Faltung (5 Einheiten, Kernelgröße 2, „relu”-Aktivierung)
Flach machen
Dicht (3 Einheiten, „softmax“-Aktivierung)

In deinem Arbeitsbereich gibt's jetzt die Objekte „Sequential- model ” zusammen mit „ Dense ”, „ Conv2D ”, „ Flatten ” und „ Dropout ”.

Diese Übung ist Teil des Kurses

<Kurs>Bildmodellierung mit Keras</Kurs>

Kurs ansehen

Übungsanweisungen

Füge einen Dropout von 20 % für die erste Schicht hinzu.
Füge eine Verflachungsebene hinzu.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Add a convolutional layer
model.add(Conv2D(15, kernel_size=2, activation='relu', 
                 input_shape=(img_rows, img_cols, 1)))

# Add a dropout layer
____

# Add another convolutional layer
model.add(Conv2D(5, kernel_size=2, activation='relu'))

# Flatten and feed to output layer
____
model.add(Dense(3, activation='softmax'))

Code bearbeiten und ausführen