Zacznij terazZacznij za darmo

Dodaj normalizację wsadową do sieci

Normalizacja wsadowa (batch normalization) to kolejna forma regularyzacji, która przeskalowuje wyniki warstwy tak, aby miały średnią 0 i odchylenie standardowe 1. W tym ćwiczeniu dodamy normalizację wsadową do sieci neuronowej, z której korzystaliśmy w poprzednich ćwiczeniach:

  1. Warstwa splotowa (15 jednostek, rozmiar jądra 2, aktywacja 'relu')
  2. Normalizacja wsadowa
  3. Warstwa splotowa (5 jednostek, rozmiar jądra 2, aktywacja 'relu')
  4. Flatten
  5. Dense (3 jednostki, aktywacja 'softmax')

W przestrzeni roboczej dostępne są: sekwencyjny model oraz obiekty Dense, Conv2D, Flatten i Dropout.

To ćwiczenie jest częścią kursu

Modelowanie obrazów z Keras

Zobacz kurs

Instrukcje do ćwiczenia

  • Dodaj pierwszą warstwę splotową. Użyj obiektów img_rows i img_cols dostępnych w przestrzeni roboczej, aby zdefiniować parametr input_shape tej warstwy.
  • Dodaj normalizację wsadową zastosowaną do wyników pierwszej warstwy.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Add a convolutional layer
____


# Add batch normalization layer
____

# Add another convolutional layer
model.add(Conv2D(5, kernel_size=2, activation='relu'))

# Flatten and feed to output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))
Edytuj i uruchom kod