Träna ett djupt CNN med poolning för att klassificera bilder
Att träna ett CNN med poolningslager påminner mycket om träningen av de djupa nätverk du har sett tidigare. När nätverket är konstruerat (som du gjorde i föregående övning) behöver modellen kompileras på lämpligt sätt, och sedan behöver träningsdata tillhandahållas tillsammans med de övriga argument som styr träningsprocessen.
Följande model från föregående övning finns tillgänglig i din arbetsyta:
Convolution => Max pooling => Convolution => Flatten => Dense
Den här övningen är en del av kursen
Bildmodellering med Keras
Övningsinstruktioner
- Kompilera den här modellen så att den använder kategorisk korsentriopi som förlustfunktion och Adam som optimerare.
- Träna modellen i 3 epoker med batchar av storleken 10.
- Använd 20 % av datan som valideringsdata.
- Utvärdera modellen på
test_datamedtest_labels(även här med batchar av storleken 10).
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Compile the model
____
# Fit to training data
____
# Evaluate on test data
____