Entraîner un CNN profond avec pooling pour classer des images
Former un CNN avec des couches de pooling ressemble beaucoup à l'entraînement des réseaux profonds que vous avez vus auparavant. Une fois le réseau construit (comme vous l'avez fait à l'exercice précédent), il faut compiler correctement le modèle, puis fournir les données d'entraînement, ainsi que les autres arguments qui contrôlent la procédure d'ajustement.
Le model suivant, issu de l'exercice précédent, est disponible dans votre espace de travail :
Convolution => Max pooling => Convolution => Flatten => Dense
Cette activité fait partie du cours
Modélisation d'images avec Keras
Instructions de l’exercice
- Compilez ce modèle en utilisant la fonction de perte d'entropie croisée catégorielle et l'optimiseur Adam.
- Entraînez le modèle pendant 3 époques avec des lots de taille 10.
- Utilisez 20 % des données comme données de validation.
- Évaluez le modèle sur
test_dataavectest_labels(également avec des lots de taille 10).
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Compile the model
____
# Fit to training data
____
# Evaluate on test data
____