Réseau convolutif pour la classification d'images

Les réseaux convolutifs pour la classification sont construits à partir d'une séquence de couches convolutives (pour le traitement des images) et de couches entièrement connectées (Dense) (pour la lecture). Dans cet exercice, vous allez construire un petit réseau convolutif pour classer les données issues du jeu de données sur la mode.

Cet exercice fait partie du cours

Modélisation d'images avec Keras

Afficher le cours

Instructions

Ajoutez une couche de réseau neuronal ( Conv2D ) pour construire la couche d'entrée du réseau. Veuillez utiliser une taille de noyau de 3 par 3. Vous pouvez utiliser les objets img_rows et img_cols disponibles dans votre espace de travail pour définir l'input_shape de ce calque.
Ajoutez une couche de classification ( Flatten ) pour assurer la transition entre le traitement d'image et la partie classification de votre réseau.
Ajoutez une couche d'Dense s pour classer les trois catégories de vêtements dans l'ensemble de données.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import the necessary components from Keras
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten

# Initialize the model object
model = Sequential()

# Add a convolutional layer
model.add(____(10, kernel_size=____, activation='relu', 
               input_shape=____))

# Flatten the output of the convolutional layer
model.add(____())
# Add an output layer for the 3 categories
model.add(____(____, activation='softmax'))

Modifier et exécuter le code