1. Aprende
    2. /
  2. Cursos
    3. /
  3. Modélisation d'images avec Keras
Connected

Ejercicio

Ajouter la normalisation par lots à votre réseau

La normalisation par lots est une autre forme de régularisation qui remet à l'échelle les sorties d'une couche pour s'assurer qu'elles ont une moyenne de 0 et un écart-type de 1. Dans cet exercice, nous allons ajouter la normalisation par lots au réseau de neurones convolutionnel utilisé dans les exercices précédents :

  1. Convolution (15 unités, taille de noyau 2, activation « relu »)
  2. Normalisation par lots
  3. Convolution (5 unités, taille de noyau 2, activation « relu »)
  4. Aplatir (Flatten)
  5. Dense (3 unités, activation « softmax »)

Un model séquentiel ainsi que les objets Dense, Conv2D, Flatten et Dropout sont disponibles dans votre espace de travail.

Instrucciones

100 XP
  • Ajoutez la première couche de convolution. Vous pouvez utiliser les objets img_rows et img_cols disponibles dans votre espace de travail pour définir le input_shape de cette couche.
  • Ajoutez la normalisation par lots appliquée aux sorties de la première couche.