Dropout toevoegen aan je netwerk
Dropout is een vorm van regularisatie waarbij in elke trainingsronde een andere willekeurige subset van de units in een laag wordt verwijderd. In deze oefening voegen we dropout toe aan het convolutionele neurale netwerk dat we in eerdere oefeningen hebben gebruikt:
- Convolution (15 units, kernel size 2, 'relu'-activatie)
- Dropout (20%)
- Convolution (5 units, kernel size 2, 'relu'-activatie)
- Flatten
- Dense (3 units, 'softmax'-activatie)
Een Sequential-model en de objecten Dense, Conv2D, Flatten en Dropout zijn beschikbaar in je werkruimte.
Deze oefening maakt deel uit van de cursus
Beeldmodellering met Keras
Oefeninstructies
- Voeg dropout toe op de eerste laag met 20%.
- Voeg een flatten-laag toe.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Add a convolutional layer
model.add(Conv2D(15, kernel_size=2, activation='relu',
input_shape=(img_rows, img_cols, 1)))
# Add a dropout layer
____
# Add another convolutional layer
model.add(Conv2D(5, kernel_size=2, activation='relu'))
# Flatten and feed to output layer
____
model.add(Dense(3, activation='softmax'))