CommencerCommencer gratuitement

Créer un modèle CNN

Construire un modèle CNN dans Keras n’est pas beaucoup plus difficile que les modèles que vous avez déjà créés tout au long du cours ! Il suffit d’utiliser des couches de convolution.

Vous allez créer un model convolutionnel peu profond qui classe le jeu de données MNIST de chiffres manuscrits, le même que vous avez débruité avec votre autoencodeur ! Les images font 28 x 28 pixels et n’ont qu’un seul canal, puisqu’il s’agit d’images en noir et blanc.

Allez-y, construisez ce petit modèle convolutionnel !

Cet exercice fait partie du cours

Introduction au Deep Learning avec Keras

Afficher le cours

Instructions

  • Importez les couches Conv2D et Flatten et instanciez votre modèle.
  • Ajoutez une première couche de convolution avec 32 filtres de taille 3x3 et le tuple 3D correspondant comme input_shape.
  • Ajoutez une deuxième couche de convolution avec 16 filtres de taille 3x3 avec une activation relu.
  • Aplatissez la sortie de la couche précédente pour créer un vecteur unidimensionnel.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import the Conv2D and Flatten layers and instantiate model
from tensorflow.keras.____ import ____,____
model = ____

# Add a convolutional layer of 32 filters of size 3x3
model.add(Conv2D(____, kernel_size = ____, input_shape = (____, ____, 1), activation = 'relu'))

# Add a convolutional layer of 16 filters of size 3x3
model.add(____(____, ____ = ____, activation = ____))

# Flatten the previous layer output
model.add(____)

# Add as many outputs as classes with softmax activation
model.add(Dense(10, activation = 'softmax'))
Modifier et exécuter le code