Créer un réseau d'apprentissage profond

Un réseau neuronal convolutionnel profond est un réseau qui comporte plus d'une couche. Chaque couche d'un réseau profond reçoit son entrée de la couche précédente, la toute première couche recevant son entrée des images utilisées comme données d'entraînement ou de test.

Ici, vous allez créer un réseau qui comporte deux couches convolutionnelles.

Cette activité fait partie du cours

Modélisation d'images avec Keras

Voir le cours

Instructions de l’exercice

La première couche convolutionnelle est la couche d'entrée du réseau. Elle doit avoir 15 unités avec des noyaux de 2 par 2 pixels. Elle doit utiliser une fonction d'activation 'relu'. Elle peut utiliser les variables img_rows et img_cols pour définir son input_shape.
La deuxième couche convolutionnelle reçoit ses entrées de la première couche. Elle doit avoir 5 unités avec des noyaux de 2 par 2 pixels. Elle doit aussi utiliser une fonction d'activation 'relu'.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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'))

Modifier et exécuter le code