Aggiungere il dropout alla tua rete
Il dropout è una forma di regolarizzazione che rimuove, a ogni iterazione di training, un sottoinsieme casuale e diverso di unità in un livello. In questo esercizio aggiungeremo il dropout alla convolutional neural network che abbiamo usato negli esercizi precedenti:
- Convolution (15 unità, kernel size 2, attivazione 'relu')
- Dropout (20%)
- Convolution (5 unità, kernel size 2, attivazione 'relu')
- Flatten
- Dense (3 unità, attivazione 'softmax')
Un model di tipo Sequential, insieme agli oggetti Dense, Conv2D, Flatten e Dropout, è disponibile nel tuo workspace.
Questo esercizio fa parte del corso
Image Modeling with Keras
Istruzioni dell'esercizio
- Aggiungi un dropout applicato al primo livello del 20%.
- Aggiungi un livello di flattening.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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'))