Ajouter un abandon à votre réseau
Le dropout est une forme de régularisation qui supprime un sous-ensemble aléatoire différent des unités d'une couche à chaque cycle d'entraînement. Dans cet exercice, nous allons ajouter le dropout au réseau neuronal convolutif que nous avons utilisé dans les exercices précédents :
Convolution (15 unités, taille du noyau 2, activation « relu »)
Taux d'abandon (20 %)
Convolution (5 unités, taille du noyau 2, activation « relu »)
Flatten
Dense (3 unités, activation « softmax »)
Une séquence d'model, ainsi que les objets Dense, Conv2D, Flatten et Dropout sont disponibles dans votre espace de travail.
Cet exercice fait partie du cours
<cours>Modélisation d'images avec Keras</cours>Instructions de l’exercice
- Ajoutez un taux d'abandon de 20 % à la première couche.
- Ajoutez une couche d'aplatissement.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Add a convolutional layer
model.add(Conv2D(15, kernel_size=2, activation='relu',
input_shape=(img_rows, img_cols, 1)))
# Add a dropout layer
____
# Add another convolutional layer
model.add(Conv2D(5, kernel_size=2, activation='relu'))
# Flatten and feed to output layer
____
model.add(Dense(3, activation='softmax'))