Couches de regroupement Keras

Keras implémente une opération de regroupement sous la forme d'une couche pouvant être ajoutée aux CNN entre d'autres couches. Dans cet exercice, vous allez construire un réseau neuronal convolutif similaire à celui que vous avez déjà construit précédemment :

Convolution → Convolution → Aplatir → Dense

Cependant, vous ajouterez également une couche de mise en commun. L'architecture ajoutera une seule couche de max-pooling entre la couche convolutive et la couche dense avec un pooling de 2x2 :

Convolution → Max pooling → Convolution → Aplatissement → Dense

Une séquence d'model, ainsi que les objets Dense, Conv2D, Flatten et MaxPool2D sont disponibles dans votre espace de travail.

Cet exercice fait partie du cours

Modélisation d'images avec Keras

Afficher le cours

Instructions

Ajoutez une couche convolutive d'entrée (15 unités, taille du noyau de 2, activation « relu »).
Ajoutez une opération de regroupement maximal (regroupement sur des fenêtres de taille 2x2).
Ajoutez une autre couche de convolution (5 unités, taille du noyau de 2, activation par activation mutuelle ( relu )).
Aplatissez la sortie de la deuxième convolution et ajoutez une couche d'Dense s pour la sortie (3 catégories, activation softmax ).

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Add a convolutional layer
____(____(15, kernel_size=2, activation='relu', 
                 input_shape=(img_rows, img_cols, 1)))

# Add a pooling operation
____

# Add another convolutional layer
____

# Flatten and feed to output layer
model.add(____)
model.add(____(3, activation='softmax'))
model.summary()

Modifier et exécuter le code