Treinar uma CNN pra classificar tipos de roupas

Antes de treinar uma rede neural, ela precisa ser compilada com a função de custo certa, usando o otimizador certo. Durante a compilação, você também pode definir métricas que a rede calcula e relata em cada época. A adaptação do modelo precisa de um conjunto de dados de treinamento, junto com os rótulos de treinamento para a rede.

O Conv2D 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 a rede usando o otimizador 'adam' e a função de custo 'categorical_crossentropy'. Na lista de métricas, define que a rede a ser relatada é 'accuracy'.
Encaixe a rede em train_data e train_labels. Treine por 3 épocas com um tamanho de lote de 10 imagens. No treinamento, separe 20% dos dados como um conjunto de validação, usando o argumento de palavra-chave ` validation_split `.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Compile the model 
model.compile(optimizer=____, 
              loss=____, 
              metrics=[____])

# Fit the model on a training set
model.fit(____, ____, 
          validation_split=____, 
          epochs=____, batch_size=____)

Editar e executar o código