Trenowanie głębokiej sieci CNN do klasyfikacji obrazów odzieży

Trenowanie modelu głębokiego uczenia jest bardzo podobne do trenowania sieci z jedną warstwą. Gdy model jest już zbudowany (tak jak w poprzednim ćwiczeniu), należy go skompilować z odpowiednimi parametrami. Następnie model jest dopasowywany do danych treningowych wraz z odpowiadającymi im etykietami. Po zakończeniu trenowania model można ocenić na danych testowych.

Model model zbudowany w poprzednim ćwiczeniu jest dostępny w twoim środowisku pracy.

To ćwiczenie jest częścią kursu

Modelowanie obrazów z Keras

Zobacz kurs

Instrukcje do ćwiczenia

Skompiluj model, używając funkcji straty kategorycznej entropii krzyżowej oraz optymalizatora Adam.
Wytrenuj sieć na danych train_data przez 3 epoki, korzystając z partii po 10 obrazów.
Użyj losowo wybranych 20% danych treningowych jako danych walidacyjnych podczas trenowania.
Oceń model na danych test_data, używając rozmiaru partii równego 10.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Compile model
model.____(optimizer=____, 
              loss='categorical_crossentropy', 
              metrics=['accuracy'])

# Fit the model to training data 
model.____(____, ____, 
          validation_split=0.2, 
          epochs=3, batch_size=10)

# Evaluate the model on test data
model.____(____, ____, batch_size=10)

Edytuj i uruchom kod