Entrena una CNN profunda para clasificar imágenes de ropa.

El entrenamiento de un modelo de aprendizaje profundo es muy similar al entrenamiento de una red de una sola capa. Una vez construido el modelo (como has hecho en el ejercicio anterior), es necesario compilarlo con el conjunto de parámetros adecuado. A continuación, el modelo se ajusta proporcionándole datos de entrenamiento, así como etiquetas de entrenamiento. Una vez finalizado el entrenamiento, el modelo puede evaluarse con datos de prueba.

El control de usuario personalizado ( model ) que creaste en el ejercicio anterior está disponible en tu área de trabajo.

Este ejercicio forma parte del curso

Modelado de imágenes con Keras

Ver curso

Instrucciones del ejercicio

Compila el modelo para utilizar la función de pérdida de entropía cruzada categórica y el optimizador Adam.
Entrena la red con train_data durante 3 épocas con lotes de 10 imágenes cada uno.
Utiliza el 20 % de los datos de entrenamiento seleccionados aleatoriamente como datos de validación durante el entrenamiento.
Evalúa el modelo con test_data, utiliza un tamaño de lote de 10.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# 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)

Editar y ejecutar código