Treine uma CNN profunda para classificar imagens de roupas

Treinar um modelo de aprendizado profundo é bem parecido com treinar uma rede de camada única. Depois que o modelo estiver pronto (como você fez no exercício anterior), ele precisa ser compilado com os parâmetros certos. Depois, o modelo é ajustado com dados de treinamento e rótulos de treinamento. Depois que o treinamento estiver pronto, o modelo pode ser avaliado com dados de teste.

O aplicativo de controle de estoque ( model ) que você criou no exercício anterior está disponível na sua área de trabalho.

Este exercício faz parte do curso

Modelagem de imagens com Keras

Ver curso

Instruções do exercício

Compile o modelo pra usar a função de perda de entropia cruzada categórica e o otimizador Adam.
Treine a rede com train_data por 3 épocas com lotes de 10 imagens cada.
Use 20% dos dados de treinamento escolhidos aleatoriamente como dados de validação durante o treinamento.
Avalie o modelo com test_data, use um tamanho de lote de 10.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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)

Editar e executar o código