Faltungsnetzwerk für die Bildklassifizierung
Faltungsnetzwerke für die Klassifizierung werden aus einer Reihe von Faltungsschichten (für die Bildverarbeitung) und vollständig verbundenen (Dense) Schichten (für die Auslesung) aufgebaut. In dieser Übung baust du ein kleines Faltungsnetzwerk auf, um die Daten aus dem Modedatensatz zu klassifizieren.
Diese Übung ist Teil des Kurses
Bildmodellierung mit Keras
Anleitung zur Übung
- Füge eine „
Conv2D“-Schicht hinzu, um die Eingabeschicht des Netzwerks zu erstellen. Verwende eine Kernelgröße von 3 mal 3. Du kannst die in deinem Arbeitsbereich verfügbaren Objekte „img_rows“ und „img_cols“ verwenden, um die „input_shape“ dieser Ebene zu definieren. - Füge eine „
Flatten“-Schicht hinzu, um zwischen dem Bildverarbeitungs- und dem Klassifizierungsteil deines Netzwerks zu übersetzen. - Füge eine „
Dense“-Ebene hinzu, um die drei verschiedenen Kategorien von Kleidungsstücken im Datensatz zu sortieren.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Import the necessary components from Keras
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten
# Initialize the model object
model = Sequential()
# Add a convolutional layer
model.add(____(10, kernel_size=____, activation='relu',
input_shape=____))
# Flatten the output of the convolutional layer
model.add(____())
# Add an output layer for the 3 categories
model.add(____(____, activation='softmax'))