Warstwy poolingu w Keras

Keras implementuje operację poolingu jako warstwę, którą można dodać do sieci CNN między innymi warstwami. W tym ćwiczeniu zbudujesz splotową sieć neuronową podobną do tej, którą tworzyłeś wcześniej:

Splot => Splot => Spłaszczenie => Gęsta

Tym razem dodasz jednak warstwę poolingu. Architektura uwzględnia pojedynczą warstwę max-poolingu umieszczoną między warstwą splotową a warstwą gęstą, z oknem poolingu 2x2:

Splot => Max pooling => Splot => Spłaszczenie => Gęsta

W obszarze roboczym dostępne są: sekwencyjny model oraz obiekty Dense, Conv2D, Flatten i MaxPool2D.

To ćwiczenie jest częścią kursu

Modelowanie obrazów z Keras

Zobacz kurs

Instrukcje do ćwiczenia

Dodaj wejściową warstwę splotową (15 jednostek, rozmiar jądra 2, aktywacja relu).
Dodaj operację max poolingu (okno poolingu o rozmiarze 2x2).
Dodaj kolejną warstwę splotową (5 jednostek, rozmiar jądra 2, aktywacja relu).
Spłaszcz wynik drugiej warstwy splotowej i dodaj warstwę Dense jako wyjście (3 kategorie, aktywacja softmax).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Add a convolutional layer
____(____(15, kernel_size=2, activation='relu', 
                 input_shape=(img_rows, img_cols, 1)))

# Add a pooling operation
____

# Add another convolutional layer
____

# Flatten and feed to output layer
model.add(____)
model.add(____(3, activation='softmax'))
model.summary()

Edytuj i uruchom kod