Construire un réseau de neurones
Nous utiliserons la bibliothèque Keras pour créer des réseaux de neurones et les entraîner à classer des images. Tous ces modèles seront de type Sequential, ce qui signifie que la sortie d'une couche est fournie uniquement comme entrée à la couche suivante.
Dans cet exercice, vous allez créer un réseau de neurones avec des couches Dense, c'est-à-dire que chaque unité de chaque couche est connectée à toutes les unités de la couche précédente. Par exemple, chaque unité de la première couche est connectée à tous les pixels des images d'entrée. L'objet Dense reçoit comme arguments le nombre d'unités de la couche et la fonction d'activation des unités. Pour la première couche du réseau, il reçoit aussi l'argument nommé input_shape.
Ce cours couvre de nombreux concepts que vous avez peut-être oubliés. Si vous avez besoin d'un rappel rapide, téléchargez la Keras Cheat Sheet et gardez-la à portée de main !
Cette activité fait partie du cours
Modélisation d'images avec Keras
Instructions de l’exercice
- La première couche reçoit des images en entrée, comporte 10 unités et une activation
'relu'. - La deuxième couche comporte 10 unités et une activation
'relu'. - La couche de sortie comporte une unité par catégorie (3 catégories) et une activation
'softmax'.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Imports components from Keras
from keras.models import Sequential
from keras.layers import Dense
# Initializes a sequential model
model = Sequential()
# First layer
model.add(____(10, activation=____, input_shape=(784,)))
# Second layer
model.add(____(____, activation=____))
# Output layer
____