Ajouter du padding à un CNN
Le padding permet à une couche de convolution de conserver la résolution de son entrée. Pour y arriver, on ajoute des zéros autour des bords de l'image d'entrée, afin que le noyau de convolution puisse chevaucher les pixels situés sur le pourtour de l'image.
Cette activité fait partie du cours
Modélisation d'images avec Keras
Instructions de l’exercice
Ajoutez une couche Conv2D et choisissez un padding de sorte que la sortie ait la même taille que l'entrée.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Initialize the model
model = Sequential()
# Add the convolutional layer
model.add(____(10, kernel_size=3, activation='relu',
input_shape=(img_rows, img_cols, 1),
____))
# Feed into output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))