Réseau convolutionnel pour la classification d'images

Les réseaux convolutionnels pour la classification sont composés d'une séquence de couches convolutionnelles (pour le traitement d'images) et de couches entièrement connectées (Dense) (pour l'inférence). Dans cet exercice, vous allez construire un petit réseau convolutionnel pour classifier les données du jeu de mode (fashion).

Cette activité fait partie du cours

Modélisation d'images avec Keras

Voir le cours

Instructions de l’exercice

Ajoutez une couche Conv2D pour construire la couche d'entrée du réseau. Utilisez un noyau de taille 3 par 3. 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 une couche Flatten pour faire le pont entre la partie traitement d'images et la partie classification de votre réseau.
Ajoutez une couche Dense pour classer les 3 catégories de vêtements du jeu de données.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the necessary components from Keras
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten

# Initialize the model object
model = Sequential()

# Add a convolutional layer
model.add(____(10, kernel_size=____, activation='relu', 
               input_shape=____))

# Flatten the output of the convolutional layer
model.add(____())
# Add an output layer for the 3 categories
model.add(____(____, activation='softmax'))

Modifier et exécuter le code