Création d'un réseau d'apprentissage profond
Un réseau neuronal convolutif profond est un réseau qui comporte plusieurs couches. Chaque couche d'un réseau profond reçoit ses données d'entrée de la couche précédente, la toute première couche recevant ses données d'entrée des images utilisées comme données d'entraînement ou de test.
Ici, vous allez créer un réseau comportant deux couches convolutives.
Cet exercice fait partie du cours
Modélisation d'images avec Keras
Instructions
- La première couche convolutive est la couche d'entrée du réseau. Cela devrait comporter 15 unités avec des noyaux de 2 pixels sur 2. Il doit disposer d'une fonction d'activation de type «
'relu'». Il peut utiliser les variablesimg_rowsetimg_colspour définir soninput_shape. - La deuxième couche convolutive reçoit ses entrées de la première couche. Il devrait comporter 5 unités avec des noyaux de 2 pixels sur 2. Il devrait également disposer d'une fonction d'activation de type «
'relu'».
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten
model = Sequential()
# Add a convolutional layer (15 units)
____
# Add another convolutional layer (5 units)
____
# Flatten and feed to output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))