Train een diepe CNN om kledingafbeeldingen te classificeren

Een deep learning-model trainen lijkt sterk op het trainen van een netwerk met één laag. Zodra het model is opgebouwd (zoals je in de vorige oefening hebt gedaan), moet je het compileren met de juiste parameters. Daarna pas je het model aan met trainingsgegevens en bijbehorende trainingslabels. Als de training klaar is, kun je het model evalueren op testgegevens.

Het model dat je in de vorige oefening hebt gebouwd, is beschikbaar in je werkruimte.

Deze oefening maakt deel uit van de cursus

Beeldmodellering met Keras

Cursus bekijken

Oefeninstructies

Compileer het model met de categorical cross-entropy-verliesfunctie en de Adam-optimizer.
Train het netwerk met train_data voor 3 epochs met batches van telkens 10 afbeeldingen.
Gebruik tijdens het trainen willekeurig geselecteerde 20% van de trainingsgegevens als validatiegegevens.
Evalueer het model met test_data, gebruik een batchgrootte van 10.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Compile model
model.____(optimizer=____, 
              loss='categorical_crossentropy', 
              metrics=['accuracy'])

# Fit the model to training data 
model.____(____, ____, 
          validation_split=0.2, 
          epochs=3, batch_size=10)

# Evaluate the model on test data
model.____(____, ____, batch_size=10)

Code bewerken en uitvoeren