Een deep learning-netwerk maken

Een deep convolutional neural network is een netwerk met meer dan één laag. Elke laag in een deep netwerk krijgt zijn invoer van de voorgaande laag, waarbij de allereerste laag zijn invoer krijgt van de beelden die als trainings- of testdata worden gebruikt.

Hier ga je een netwerk maken met twee convolutionele lagen.

Deze oefening maakt deel uit van de cursus

Beeldmodellering met Keras

Bekijk cursus

Oefeninstructies

De eerste convolutionele laag is de invoerlaag van het netwerk. Deze moet 15 units hebben met kernels van 2 bij 2 pixels. Gebruik de activatiefunctie 'relu'. Je kunt de variabelen img_rows en img_cols gebruiken om de input_shape te definiëren.
De tweede convolutionele laag krijgt zijn invoer van de eerste laag. Deze moet 5 units hebben met kernels van 2 bij 2 pixels. Gebruik ook hier de activatiefunctie 'relu'.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten

model = Sequential()

# Add a convolutional layer (15 units)
____


# Add another convolutional layer (5 units)
____

# Flatten and feed to output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))

Code bewerken en uitvoeren