CommencezCommencez gratuitement

Créer un modèle CNN

Créer un modèle CNN dans Keras n'est pas beaucoup plus difficile que de construire n'importe lequel des modèles que vous avez réalisés dans ce cours ! Il suffit d'utiliser des couches de convolution.

Vous allez construire un model convolutionnel peu profond qui classe l'ensemble de données MNIST de chiffres. Le même que vous avez débruité avec votre autoencodeur ! Les images font 28 x 28 pixels et n'ont qu'un seul canal, puisqu'il s'agit d'images en noir et blanc.

Allez-y et créez ce petit modèle convolutionnel !

Cette activité fait partie du cours

Introduction à Deep Learning avec Keras

Voir le cours

Instructions de l’exercice

  • Importez les couches Conv2D et Flatten, puis instanciez votre modèle.
  • Ajoutez une première couche convolutionnelle avec 32 filtres de taille 3x3 et le tuple 3D correspondant comme input_shape.
  • Ajoutez une deuxième couche convolutionnelle avec 16 filtres de taille 3x3 avec l'activation relu.
  • Aplatissez la sortie de la couche précédente pour créer un vecteur unidimensionnel.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the Conv2D and Flatten layers and instantiate model
from tensorflow.keras.____ import ____,____
model = ____

# Add a convolutional layer of 32 filters of size 3x3
model.add(Conv2D(____, kernel_size = ____, input_shape = (____, ____, 1), activation = 'relu'))

# Add a convolutional layer of 16 filters of size 3x3
model.add(____(____, ____ = ____, activation = ____))

# Flatten the previous layer output
model.add(____)

# Add as many outputs as classes with softmax activation
model.add(Dense(10, activation = 'softmax'))
Modifier et exécuter le code