衣類の種類を分類するCNNを学習する
ニューラルネットワークを学習する前に、適切なコスト関数とオプティマイザでコンパイルする必要があります。コンパイル時には、各エポックでネットワークが計算して報告するメトリクスも定義できます。モデルのフィッティングには、学習用データセットと、それに対応する学習用ラベルが必要です。
前の演習で作成した Conv2D の model が作業スペースに用意されています。
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
- オプティマイザに
'adam'、コスト関数に'categorical_crossentropy'を指定してネットワークをコンパイルします。metrics のリストには'accuracy'を報告するように定義します。 train_dataとtrain_labelsでネットワークをフィットさせます。エポック数は 3、バッチサイズは 10 画像にします。学習時には、validation_split引数を使ってデータの 20% を検証用に取り分けます。
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
model.compile(optimizer=____,
loss=____,
metrics=[____])
# Fit the model on a training set
model.fit(____, ____,
validation_split=____,
epochs=____, batch_size=____)