Ajouter du dropout à votre réseau
Le dropout est une forme de régularisation qui retire un sous-ensemble aléatoire différent d'unités d'une couche à chaque itération d'entraînement. Dans cet exercice, nous allons ajouter du dropout au réseau de neurones convolutionnel utilisé dans les exercices précédents :
- Convolution (15 unités, noyau de taille 2, activation « relu »)
- Dropout (20 %)
- Convolution (5 unités, noyau de taille 2, activation « relu »)
- Aplatissement (Flatten)
- Dense (3 unités, activation « softmax »)
Un model séquentiel ainsi que les objets Dense, Conv2D, Flatten et Dropout sont disponibles dans votre espace de travail.
Cette activité fait partie du cours
Modélisation d'images avec Keras
Instructions de l’exercice
- Ajoutez un dropout appliqué à la première couche à 20 %.
- Ajoutez une couche d'aplatissement.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Add a convolutional layer
model.add(Conv2D(15, kernel_size=2, activation='relu',
input_shape=(img_rows, img_cols, 1)))
# Add a dropout layer
____
# Add another convolutional layer
model.add(Conv2D(5, kernel_size=2, activation='relu'))
# Flatten and feed to output layer
____
model.add(Dense(3, activation='softmax'))