Mulai sekarangMulai gratis

Membangun model CNN

Membangun model CNN di Keras tidak jauh lebih sulit daripada membangun model-model yang sudah Anda buat sepanjang kursus ini! Anda hanya perlu menggunakan convolutional layer.

Anda akan membangun model convolutional yang dangkal untuk mengklasifikasikan himpunan data digit MNIST. Himpunan data yang sama yang Anda hilangkan derau-nya dengan autoencoder! Gambarnya berukuran 28 x 28 piksel dan hanya memiliki satu kanal, karena merupakan gambar hitam putih.

Silakan bangun model convolutional kecil ini!

Latihan ini merupakan bagian dari kursus

Pengantar Deep Learning dengan Keras

Lihat Kursus

Instruksi latihan

  • Impor layer Conv2D dan Flatten lalu instansiasi model Anda.
  • Tambahkan convolutional layer pertama dengan 32 filter berukuran 3x3 dan tuple 3D yang sesuai sebagai input_shape.
  • Tambahkan convolutional layer kedua dengan 16 filter berukuran 3x3 dengan aktivasi relu.
  • Ratakan keluaran layer sebelumnya untuk membuat vektor satu dimensi.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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'))
Edit dan Jalankan Kode