Konvolutionsnätverk för bildklassificering

Konvolutionsnätverk för klassificering byggs upp av en sekvens konvolutionslager (för bildbearbetning) och fullständigt sammankopplade (Dense)-lager (för avläsning). I den här övningen konstruerar du ett litet konvolutionsnätverk för klassificering av data från fashion-datamängden.

Den här övningen är en del av kursen

Bildmodellering med Keras

Visa kurs

Övningsinstruktioner

Lägg till ett Conv2D-lager för att skapa nätverkets indatalager. Använd en kernelstorlek på 3 × 3. Du kan använda objekten img_rows och img_cols som finns i din arbetsyta för att definiera input_shape för det här lagret.
Lägg till ett Flatten-lager för att koppla samman bildbearbetningsdelen och klassificeringsdelen av nätverket.
Lägg till ett Dense-lager för att klassificera de 3 olika klädkategorierna i datamängden.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import the necessary components from Keras
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten

# Initialize the model object
model = Sequential()

# Add a convolutional layer
model.add(____(10, kernel_size=____, activation='relu', 
               input_shape=____))

# Flatten the output of the convolutional layer
model.add(____())
# Add an output layer for the 3 categories
model.add(____(____, activation='softmax'))

Redigera och kör kod