Aggiungi il padding a una CNN
Il padding permette a un livello di convoluzione di mantenere la stessa risoluzione dell'input. Si ottiene aggiungendo zeri attorno ai bordi dell'immagine in ingresso, così che il kernel di convoluzione possa sovrapporsi ai pixel sul bordo dell'immagine.
Questo esercizio fa parte del corso
Image Modeling with Keras
Istruzioni dell'esercizio
Aggiungi un livello Conv2D e scegli un padding tale che l'output abbia la stessa dimensione dell'input.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Initialize the model
model = Sequential()
# Add the convolutional layer
model.add(____(10, kernel_size=3, activation='relu',
input_shape=(img_rows, img_cols, 1),
____))
# Feed into output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))