ฝึก deep CNN เพื่อจำแนกประเภทภาพเสื้อผ้า

การฝึกโมเดล deep learning มีขั้นตอนคล้ายกับการฝึกโครงข่ายที่มีชั้นเดียวมาก เมื่อสร้างโมเดลเสร็จแล้ว (ดังที่ได้ทำในแบบฝึกหัดก่อนหน้า) จำเป็นต้อง compile โมเดลด้วยพารามิเตอร์ที่เหมาะสม จากนั้นจึง fit โมเดลโดยป้อนข้อมูลฝึกและ label สำหรับฝึก เมื่อฝึกเสร็จแล้ว สามารถประเมินโมเดลด้วยข้อมูลทดสอบได้

model ที่สร้างไว้ในแบบฝึกหัดก่อนหน้าพร้อมใช้งานใน workspace ของคุณแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างโมเดลภาพด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

Compile โมเดลโดยใช้ฟังก์ชัน loss แบบ categorical cross-entropy และ optimizer แบบ Adam
ฝึกโครงข่ายด้วย train_data เป็นเวลา 3 epochs โดยใช้ batch ละ 10 ภาพ
สุ่มเลือกข้อมูลฝึก 20% เพื่อใช้เป็นข้อมูล validation ระหว่างการฝึก
ประเมินโมเดลด้วย test_data โดยใช้ขนาด batch เท่ากับ 10

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)

แก้ไขและรันโค้ด