プーリング付きの深いCNNを学習して画像を分類する
プーリング層を持つCNNの学習は、これまでに見てきた深層ネットワークの学習とほとんど同じです。ネットワークを構築したら（前の演習で行ったとおり）、モデルを適切にコンパイルし、学習データをほかの学習手順を制御する引数とあわせて与える必要があります。
前の演習で作成した次のmodelがワークスペースに用意されています：
Convolution => Max pooling => Convolution => Flatten => Dense
この演習はコースの一部です
Keras で学ぶ画像モデリング
演習の手順
- このモデルを、損失関数にカテゴリカル交差エントロピー、オプティマイザにAdamを使うようにコンパイルしてください。
- バッチサイズ10、エポック数3で学習してください。
- データの20%を検証データとして使用してください。
test_dataとtest_labelsに対してモデルを評価してください（バッチサイズは同じく10）。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Compile the model
____
# Fit to training data
____
# Evaluate on test data
____