LoslegenKostenlos starten

Ein CNN-Modell erstellen

Ein CNN-Modell in Keras zu erstellen, ist nicht viel schwieriger als die Modelle, die du bisher im Kurs gebaut hast! Du musst lediglich Faltungsschichten einsetzen.

Du baust ein flaches konvolutionales model, das den MNIST-Datensatz mit Ziffern klassifiziert. Genau den, den du mit deinem Autoencoder entrauscht hast! Die Bilder sind 28 x 28 Pixel groß und haben nur einen Kanal, da es sich um Schwarzweißbilder handelt.

Leg los und baue dieses kleine konvolutionale Modell!

Diese Übung ist Teil des Kurses

<Kurs>Einstieg ins Deep Learning mit Keras</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere die Schichten Conv2D und Flatten und instanziiere dein Modell.
  • Füge eine erste Faltungsschicht mit 32 Filtern der Größe 3x3 hinzu und verwende das entsprechende 3D-Tupel als input_shape.
  • Füge eine zweite Faltungsschicht mit 16 Filtern der Größe 3x3 mit ReLU-Aktivierung hinzu.
  • Glätte die Ausgabe der vorherigen Schicht, um einen eindimensionalen Vektor zu erzeugen.

Interaktive praktische Übung

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

# Import the Conv2D and Flatten layers and instantiate model
from tensorflow.keras.____ import ____,____
model = ____

# Add a convolutional layer of 32 filters of size 3x3
model.add(Conv2D(____, kernel_size = ____, input_shape = (____, ____, 1), activation = 'relu'))

# Add a convolutional layer of 16 filters of size 3x3
model.add(____(____, ____ = ____, activation = ____))

# Flatten the previous layer output
model.add(____)

# Add as many outputs as classes with softmax activation
model.add(Dense(10, activation = 'softmax'))
Code bearbeiten und ausführen