Entrenamiento de una CNN para clasificar tipos de ropa

Antes de entrenar una red neuronal, es necesario compilarla con la función de coste adecuada, utilizando el optimizador adecuado. Durante la compilación, también puedes definir métricas que la red calcula y reporta en cada época. El ajuste del modelo requiere un conjunto de datos de entrenamiento, junto con las etiquetas de entrenamiento para la red.

El Conv2D model que creaste en el ejercicio anterior está disponible en tu espacio de trabajo.

Este ejercicio forma parte del curso

Modelado de imágenes con Keras

Ver curso

Instrucciones del ejercicio

Compila la red utilizando el optimizador « 'adam' » y la función de coste « 'categorical_crossentropy' ». En la lista de métricas, define que la red sobre la que se debe informar es 'accuracy'.
Encaja la red en train_data y train_labels. Entrena durante 3 épocas con un tamaño de lote de 10 imágenes. En el entrenamiento, reserva el 20 % de los datos como conjunto de validación, utilizando el argumento clave validation_split.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# Compile the model 
model.compile(optimizer=____, 
              loss=____, 
              metrics=[____])

# Fit the model on a training set
model.fit(____, ____, 
          validation_split=____, 
          epochs=____, batch_size=____)

Editar y ejecutar código