Entraîner un réseau CNN profond avec pooling pour classer des images
L'entraînement d'un CNN avec des couches de pooling est très similaire à l'entraînement des réseaux profonds que vous avez déjà observés. Une fois le réseau construit (comme vous l'avez fait dans l'exercice précédent), le modèle doit être compilé de manière appropriée, puis les données d'apprentissage doivent être fournies, ainsi que les autres arguments qui contrôlent la procédure d'ajustement.
L'model suivante, issue de l'exercice précédent, est disponible dans votre espace de travail :
Convolution → Max pooling → Convolution → Aplatissement → Dense
Cet exercice fait partie du cours
Modélisation d'images avec Keras
Instructions
- Compilez ce modèle pour utiliser la fonction de perte d'entropie croisée catégorielle et l'optimiseur Adam.
- Entraînez le modèle pendant 3 époques avec des lots de taille 10.
- Veuillez utiliser 20 % des données comme données de validation.
- Évaluez le modèle sur
test_dataavectest_labels(également par lots de 10).
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Compile the model
____
# Fit to training data
____
# Evaluate on test data
____