Zacznij terazZacznij za darmo

Budowanie modelu CNN

Budowanie modelu CNN w Keras nie jest wcale trudniejsze niż tworzenie modeli, które już poznałeś w tym kursie! Wystarczy skorzystać z warstw konwolucyjnych.

Zbudujesz płytki model konwolucyjny (model), który klasyfikuje cyfry ze zbioru danych MNIST – tego samego, który odszumiałeś przy użyciu autoenkodera! Obrazy mają rozmiar 28 x 28 pikseli i tylko jeden kanał, ponieważ są to zdjęcia w skali szarości.

Do dzieła – czas zbudować ten mały model konwolucyjny!

To ćwiczenie jest częścią kursu

Wprowadzenie do uczenia głębokiego z Keras

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj warstwy Conv2D i Flatten, a następnie utwórz instancję modelu.
  • Dodaj pierwszą warstwę konwolucyjną z 32 filtrami o rozmiarze 3x3 i odpowiednią trójwymiarową krotką jako input_shape.
  • Dodaj drugą warstwę konwolucyjną z 16 filtrami o rozmiarze 3x3 z aktywacją relu.
  • Spłaszcz dane wyjściowe poprzedniej warstwy, tworząc jednowymiarowy wektor.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import the Conv2D and Flatten layers and instantiate model
from tensorflow.keras.____ import ____,____
model = ____

# Add a convolutional layer of 32 filters of size 3x3
model.add(Conv2D(____, kernel_size = ____, input_shape = (____, ____, 1), activation = 'relu'))

# Add a convolutional layer of 16 filters of size 3x3
model.add(____(____, ____ = ____, activation = ____))

# Flatten the previous layer output
model.add(____)

# Add as many outputs as classes with softmax activation
model.add(Dense(10, activation = 'softmax'))
Edytuj i uruchom kod