CommencezCommencez gratuitement

Apprendre les chiffres

Vous allez bâtir un modèle sur le jeu de données digits, un exemple fourni avec scikit-learn. Le jeu de données digits est composé de chiffres manuscrits de 0 à 9 en 8x8 pixels :

Vous souhaitez distinguer chacun des 10 chiffres possibles à partir d'une image ; il s'agit donc d'une classification multiclasse.

Le jeu de données a déjà été divisé en X_train, y_train, X_test et y_test, en utilisant 30 % des données pour le test. Les étiquettes sont déjà des vecteurs encodés en one-hot, vous n'avez donc pas besoin d'utiliser la fonction Keras to_categorical().

Créons ce nouveau model !

Cette activité fait partie du cours

Introduction à Deep Learning avec Keras

Voir le cours

Instructions de l’exercice

  • Ajoutez une couche Dense de 16 neurones avec l'activation relu et un input_shape qui correspond au nombre total de pixels de l'image 8x8.
  • Ajoutez une couche Dense avec 10 sorties et l'activation softmax.
  • Compilez votre modèle avec adam, categorical_crossentropy et la métrique accuracy.
  • Assurez-vous que votre modèle fonctionne en effectuant une prédiction sur X_train.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Instantiate a Sequential model
model = Sequential()

# Input and hidden layer with input_shape, 16 neurons, and relu 
model.add(Dense(____, input_shape = (____,), activation = ____))

# Output layer with 10 neurons (one per digit) and softmax
model.____(____)

# Compile your model
model.____(optimizer = ____, loss = ____, metrics = [____])

# Test if your model is well assembled by predicting before training
print(model.predict(____))
Modifier et exécuter le code