Poolinglager i Keras

Keras implementerar en pooling-operation som ett lager som kan läggas till i CNN:er mellan andra lager. I den här övningen konstruerar du ett konvolutionellt neuralt nätverk liknande det du har byggt tidigare:

Convolution => Convolution => Flatten => Dense

Den här gången lägger du även till ett poolinglager. Arkitekturen inkluderar ett max-poolinglager mellan det konvolutionella lagret och det täta lagret med en poolning på 2x2:

Convolution => Max pooling => Convolution => Flatten => Dense

En sekventiell model samt objekten Dense, Conv2D, Flatten och MaxPool2D finns tillgängliga i din arbetsyta.

Den här övningen är en del av kursen

Bildmodellering med Keras

Visa kurs

Övningsinstruktioner

Lägg till ett inledande konvolutionslager (15 enheter, kernelstorlek 2, aktivering relu).
Lägg till en max-pooling-operation (poolning över fönster av storleken 2x2).
Lägg till ytterligare ett konvolutionslager (5 enheter, kernelstorlek 2, aktivering relu).
Platta ut utdata från det andra konvolutionslagret och lägg till ett Dense-lager för utmatning (3 kategorier, aktivering softmax).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Add a convolutional layer
____(____(15, kernel_size=2, activation='relu', 
                 input_shape=(img_rows, img_cols, 1)))

# Add a pooling operation
____

# Add another convolutional layer
____

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

Redigera och kör kod