Aggiungi la batch normalization alla tua rete
La batch normalization è un'altra forma di regolarizzazione che riscalibra le uscite di un livello per assicurare che abbiano media 0 e deviazione standard 1. In questo esercizio, aggiungeremo la batch normalization alla convolutional neural network che abbiamo utilizzato negli esercizi precedenti:
- Convolution (15 unità, kernel size 2, attivazione 'relu')
- Batch normalization
- 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 il primo livello convoluzionale. Puoi usare gli oggetti
img_rowseimg_colsdisponibili nel tuo workspace per definire l'input_shapedi questo livello. - Aggiungi la batch normalization applicata alle uscite del primo livello.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Add a convolutional layer
____
# Add batch normalization layer
____
# Add another convolutional layer
model.add(Conv2D(5, kernel_size=2, activation='relu'))
# Flatten and feed to output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))