Trenowanie głębokiej sieci CNN z poolingiem do klasyfikacji obrazów
Trenowanie sieci CNN z warstwami poolingu jest bardzo podobne do trenowania głębokich sieci, które już poznałeś(-aś). Po zbudowaniu sieci (tak jak w poprzednim ćwiczeniu) model trzeba odpowiednio skompilować, a następnie dostarczyć dane treningowe wraz z pozostałymi argumentami kontrolującymi przebieg dopasowania.
Następujący model z poprzedniego ćwiczenia jest dostępny w twoim środowisku pracy:
Convolution => Max pooling => Convolution => Flatten => Dense
To ćwiczenie jest częścią kursu
Modelowanie obrazów z Keras
Instrukcje do ćwiczenia
- Skompiluj ten model, używając funkcji straty entropii krzyżowej dla wielu klas oraz optymalizatora Adam.
- Wytrenuj model przez 3 epoki z paczkami (batch) o rozmiarze 10.
- Użyj 20% danych jako danych walidacyjnych.
- Oceń model na zbiorze
test_dataz etykietamitest_labels(również paczki o rozmiarze 10).
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Compile the model
____
# Fit to training data
____
# Evaluate on test data
____