Creación de una red de aprendizaje profundo

Una red neuronal convolucional profunda es una red que tiene más de una capa. Cada capa de una red profunda recibe su entrada de la capa anterior, y la primera capa recibe su entrada de las imágenes utilizadas como datos de entrenamiento o prueba.

Aquí, crearás una red que tiene dos capas convolucionales.

Este ejercicio forma parte del curso

Modelado de imágenes con Keras

Ver curso

Instrucciones del ejercicio

La primera capa convolucional es la capa de entrada de la red. Esto debería tener 15 unidades con núcleos de 2 por 2 píxeles. Debe tener una función de activación e 'relu'. Puede utilizar las variables img_rows y img_cols para definir su input_shape.
La segunda capa convolucional recibe sus entradas de la primera capa. Debe tener 5 unidades con núcleos de 2 por 2 píxeles. También debe tener una función de activación e 'relu'.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

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'))

Editar y ejecutar código