Trenowanie sieci CNN do klasyfikacji rodzajów odzieży
Przed trenowaniem sieci neuronowej należy ją skompilować z odpowiednią funkcją kosztu i odpowiednim optymalizatorem. Podczas kompilacji możesz również zdefiniować metryki, które sieć będzie obliczać i raportować w każdej epoce. Dopasowanie modelu wymaga zbioru treningowego wraz z odpowiadającymi mu etykietami.
Model model typu Conv2D, który zbudowałeś w poprzednim ćwiczeniu, jest dostępny w twoim środowisku pracy.
To ćwiczenie jest częścią kursu
Modelowanie obrazów z Keras
Instrukcje do ćwiczenia
- Skompiluj sieć, używając optymalizatora
'adam'i funkcji kosztu'categorical_crossentropy'. Na liście metryk zdefiniuj, że sieć ma raportować'accuracy'. - Dopasuj sieć do danych
train_datai etykiettrain_labels. Trenuj przez 3 epoki z rozmiarem wsadu wynoszącym 10 obrazów. W trakcie trenowania wydziel 20% danych jako zbiór walidacyjny, korzystając z argumentuvalidation_split.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Compile the model
model.compile(optimizer=____,
loss=____,
metrics=[____])
# Fit the model on a training set
model.fit(____, ____,
validation_split=____,
epochs=____, batch_size=____)