Aan de slagGa gratis aan de slag

Een CNN-model bouwen

Een CNN-model bouwen in Keras is niet veel moeilijker dan de modellen die je eerder in de cursus hebt gemaakt! Je hoeft alleen gebruik te maken van convolutionele lagen.

Je gaat een ondiep convolutioneel model bouwen dat de MNIST-cijferset classificeert. Dezelfde die je met je autoencoder hebt ontruisd! De afbeeldingen zijn 28 x 28 pixels en hebben maar één kanaal, omdat het zwart-witfoto's zijn.

Ga aan de slag en bouw dit kleine convolutionele model!

Deze oefening maakt deel uit van de cursus

Introductie tot Deep Learning met Keras

Cursus bekijken

Oefeninstructies

  • Importeer de Conv2D- en Flatten-lagen en maak je model aan.
  • Voeg een eerste convolutionele laag toe met 32 filters van 3x3 en de bijbehorende 3D-tuple als input_shape.
  • Voeg een tweede convolutionele laag toe met 16 filters van 3x3 met relu-activatie.
  • Verplat de uitvoer van de vorige laag om een eendimensionale vector te maken.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import the Conv2D and Flatten layers and instantiate model
from tensorflow.keras.____ import ____,____
model = ____

# Add a convolutional layer of 32 filters of size 3x3
model.add(Conv2D(____, kernel_size = ____, input_shape = (____, ____, 1), activation = 'relu'))

# Add a convolutional layer of 16 filters of size 3x3
model.add(____(____, ____ = ____, activation = ____))

# Flatten the previous layer output
model.add(____)

# Add as many outputs as classes with softmax activation
model.add(Dense(10, activation = 'softmax'))
Code bewerken en uitvoeren