Rete convoluzionale per la classificazione di immagini

Le reti convoluzionali per la classificazione sono costruite da una sequenza di livelli convoluzionali (per l'elaborazione delle immagini) e livelli completamente connessi (Dense) (per il readout). In questo esercizio costruirai una piccola rete convoluzionale per classificare i dati del fashion dataset.

Questo esercizio fa parte del corso

Image Modeling with Keras

Visualizza il corso

Istruzioni dell'esercizio

Aggiungi un livello Conv2D per costruire il livello di input della rete. Usa un kernel di dimensione 3 per 3. Puoi usare gli oggetti img_rows e img_cols disponibili nel tuo workspace per definire l'input_shape di questo livello.
Aggiungi un livello Flatten per fare da ponte tra la parte di elaborazione delle immagini e la parte di classificazione della rete.
Aggiungi un livello Dense per classificare le 3 diverse categorie di capi di abbigliamento nell'insieme di dati.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Import the necessary components from Keras
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten

# Initialize the model object
model = Sequential()

# Add a convolutional layer
model.add(____(10, kernel_size=____, activation='relu', 
               input_shape=____))

# Flatten the output of the convolutional layer
model.add(____())
# Add an output layer for the 3 categories
model.add(____(____, activation='softmax'))

Modifica ed esegui il codice