Kom igångKom igång gratis

Bygg en CNN-modell

Att bygga en CNN-modell i Keras är inte mycket svårare än att bygga de modeller du redan har skapat under kursen! Du behöver bara använda faltningslager.

Du ska bygga en enkel faltningsbaserad model som klassificerar datasetet MNIST med siffror – samma dataset som du brusreducerade med din autoenkoder! Bilderna är 28 x 28 pixlar och har bara en kanal, eftersom de är svartvita bilder.

Börja bygga den här lilla faltningsmodellen!

Den här övningen är en del av kursen

Introduktion till djupinlärning med Keras

Visa kurs

Övningsinstruktioner

  • Importera lagren Conv2D och Flatten och instansiera din modell.
  • Lägg till ett första faltningslager med 32 filter av storleken 3x3 och motsvarande 3D-tupel som input_shape.
  • Lägg till ett andra faltningslager med 16 filter av storleken 3x3 med relu-aktivering.
  • Platta ut utdata från föregående lager för att skapa en endimensionell vektor.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import the Conv2D and Flatten layers and instantiate model
from tensorflow.keras.____ import ____,____
model = ____

# Add a convolutional layer of 32 filters of size 3x3
model.add(Conv2D(____, kernel_size = ____, input_shape = (____, ____, 1), activation = 'relu'))

# Add a convolutional layer of 16 filters of size 3x3
model.add(____(____, ____ = ____, activation = ____))

# Flatten the previous layer output
model.add(____)

# Add as many outputs as classes with softmax activation
model.add(Dense(10, activation = 'softmax'))
Redigera och kör kod