Voeg strides toe aan een convolutioneel netwerk

De grootte van de strides van de convolutionele kernel bepaalt of de kernel sommige pixels overslaat terwijl hij over de afbeelding schuift. Dit beïnvloedt de grootte van de output, omdat bij strides groter dan 1 de kernel slechts op een deel van de pixels wordt gecentreerd.

Deze oefening maakt deel uit van de cursus

Beeldmodellering met Keras

Cursus bekijken

Oefeninstructies

Bouw een neuraal netwerk met een Conv2D-laag met gestride convoluties die om de beurt een pixel overslaat.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Initialize the model
model = Sequential()

# Add the convolutional layer
model.add(Conv2D(10, kernel_size=3, activation='relu', 
              input_shape=(img_rows, img_cols, 1), 
              ____))

# Feed into output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))

Code bewerken en uitvoeren