Träna ett djupt CNN för att klassificera bilder på kläder

Att träna en djupinlärningsmodell påminner mycket om att träna ett enkellagers nätverk. När modellen är byggd (som du gjorde i föregående övning) behöver den kompileras med rätt parametrar. Sedan tränas modellen genom att förse den med träningsdata och träningsetiketter. När träningen är klar kan modellen utvärderas på testdata.

Modellen model som du byggde i föregående övning finns tillgänglig i din arbetsyta.

Den här övningen är en del av kursen

Bildmodellering med Keras

Visa kurs

Övningsinstruktioner

Kompilera modellen med förlustfunktionen categorical cross-entropy och optimeraren Adam.
Träna nätverket med train_data i 3 epoker med batcher om 10 bilder var.
Använd slumpmässigt utvalda 20 % av träningsdatan som valideringsdata under träningen.
Utvärdera modellen med test_data och använd en batchstorlek på 10.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)

Redigera och kör kod