Een CNN trainen om kledingtypes te classificeren

Voordat je een neuraal netwerk traint, moet je het compileren met de juiste kostfunctie en de juiste optimizer. Tijdens het compileren kun je ook metriek definiëren die het netwerk berekent en bij elke epoch rapporteert. Voor het fitten van het model heb je een trainingsgegevensset nodig, samen met de trainingslabels voor het netwerk.

Het Conv2D-model dat je in de vorige oefening hebt gebouwd, is beschikbaar in je workspace.

Deze oefening maakt deel uit van de cursus

Beeldmodellering met Keras

Cursus bekijken

Oefeninstructies

Compileer het netwerk met de optimizer 'adam' en de kostfunctie 'categorical_crossentropy'. Definieer in de lijst met metriek dat het netwerk 'accuracy' rapporteert.
Fit het netwerk op train_data en train_labels. Train 3 epochs met een batchgrootte van 10 afbeeldingen. Zet tijdens het trainen 20% van de data opzij als validatieset met het argument validation_split.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Compile the model 
model.compile(optimizer=____, 
              loss=____, 
              metrics=[____])

# Fit the model on a training set
model.fit(____, ____, 
          validation_split=____, 
          epochs=____, batch_size=____)

Code bewerken en uitvoeren