Обучение глубокой свёрточной нейронной сети для классификации изображений одежды

Обучение модели глубокого обучения во многом похоже на обучение однослойной сети. После того как модель построена (как вы сделали в предыдущем упражнении), её нужно скомпилировать с нужными параметрами. Затем модель обучается на обучающих данных и соответствующих метках. По завершении обучения модель можно оценить на тестовых данных.

Модель model, созданная в предыдущем упражнении, доступна в вашем рабочем пространстве.

Это упражнение является частью курса

Моделирование изображений с помощью Keras

Посмотреть курс

Инструкции к упражнению

Скомпилируйте модель, указав функцию потерь категориальной кросс-энтропии и оптимизатор Adam.
Обучите сеть на данных train_data в течение 3 эпох, используя батчи по 10 изображений.
Используйте случайно выбранные 20% обучающих данных в качестве валидационной выборки в процессе обучения.
Оцените модель на данных test_data, используя размер батча 10.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код