Entraîner un réseau de CNN profond pour classifier des images de vêtements

L'entraînement d'un modèle de deep learning ressemble beaucoup à celui d'un réseau à une seule couche. Une fois le modèle construit (comme vous l'avez fait à l'exercice précédent), il faut le compiler avec les bons paramètres. Ensuite, on entraîne le modèle en lui fournissant des données d'entraînement ainsi que leurs étiquettes. Après l'entraînement, on peut évaluer le modèle sur les données de test.

Le model que vous avez construit à l'exercice précédent est disponible dans votre espace de travail.

Cette activité fait partie du cours

Modélisation d'images avec Keras

Voir le cours

Instructions de l’exercice

Compilez le modèle avec la fonction de perte entropie croisée catégorielle et l'optimiseur Adam.
Entraînez le réseau avec train_data pendant 3 époques, avec des lots de 10 images chacun.
Utilisez aléatoirement 20 % des données d'entraînement comme données de validation pendant l'entraînement.
Évaluez le modèle avec test_data, en utilisant une taille de lot de 10.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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)

Modifier et exécuter le code