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
Modélisation d'images avec Keras
Instructions
- Ajoutez un taux d'abandon de 20 % à la première couche.
- Ajoutez une couche d'aplatissement.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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'))