Criando uma rede de aprendizado profundo

Uma rede neural convolucional profunda é uma rede que tem mais de uma camada. Cada camada em uma rede profunda recebe sua entrada da camada anterior, com a primeira camada recebendo sua entrada das imagens usadas como dados de treinamento ou teste.

Aqui, você vai criar uma rede com duas camadas convolucionais.

Este exercício faz parte do curso

Modelagem de imagens com Keras

Ver curso

Instruções do exercício

A primeira camada convolucional é a camada de entrada da rede. Isso deve ter 15 unidades com kernels de 2 por 2 pixels. Deve ter uma função de ativação do tipo “ 'relu' ”. Ele pode usar as variáveis img_rows e img_cols para definir seu input_shape.
A segunda camada convolucional recebe as entradas da primeira camada. Deve ter 5 unidades com núcleos de 2 por 2 pixels. Também deve ter uma função de ativação do tipo “ 'relu' ”.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten

model = Sequential()

# Add a convolutional layer (15 units)
____


# Add another convolutional layer (5 units)
____

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

Editar e executar o código