Convolutioneel netwerk voor beeldclassificatie

Convolutionele netwerken voor classificatie bestaan uit een reeks convolutionele lagen (voor beeldverwerking) en volledig verbonden (Dense)-lagen (voor de uitlezing). In deze oefening bouw je een klein convolutioneel netwerk voor de classificatie van de gegevens uit de fashion-gegevensset.

Deze oefening maakt deel uit van de cursus

Beeldmodellering met Keras

Cursus bekijken

Oefeninstructies

Voeg een Conv2D-laag toe als invoerlaag van het netwerk. Gebruik een kernelgrootte van 3 bij 3. Je kunt de objecten img_rows en img_cols in je werkruimte gebruiken om de input_shape van deze laag te definiëren.
Voeg een Flatten-laag toe om te vertalen tussen het beeldverwerkings- en het classificatiegedeelte van je netwerk.
Voeg een Dense-laag toe om de 3 verschillende categorieën kleding in de gegevensset te classificeren.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import the necessary components from Keras
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten

# Initialize the model object
model = Sequential()

# Add a convolutional layer
model.add(____(10, kernel_size=____, activation='relu', 
               input_shape=____))

# Flatten the output of the convolutional layer
model.add(____())
# Add an output layer for the 3 categories
model.add(____(____, activation='softmax'))

Code bewerken en uitvoeren