Train een diepe CNN met pooling om beelden te classificeren
Een CNN met poolinglagen trainen lijkt sterk op het trainen van de diepe netwerken die je eerder hebt gezien. Zodra het netwerk is opgebouwd (zoals je in de vorige oefening deed), moet het model correct worden gecompileerd en voorzie je het van trainingsdata, samen met andere argumenten die de fitprocedure aansturen.
Het volgende model uit de vorige oefening staat voor je klaar in je werkruimte:
Convolution => Max pooling => Convolution => Flatten => Dense
Deze oefening maakt deel uit van de cursus
Beeldmodellering met Keras
Oefeninstructies
- Compileer dit model met de categorical cross-entropy-verliesfunctie en de Adam-optimizer.
- Train het model 3 epochs met batches van grootte 10.
- Gebruik 20% van de data als validatiedata.
- Evalueer het model op
test_datamettest_labels(ook batches van grootte 10).
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Compile the model
____
# Fit to training data
____
# Evaluate on test data
____