ฝึก CNN เพื่อจำแนกประเภทเสื้อผ้า

ก่อนฝึกโครงข่ายประสาทเทียม จำเป็นต้องคอมไพล์โดยกำหนด cost function และ optimizer ที่เหมาะสม นอกจากนี้ยังสามารถกำหนด metric ที่ต้องการให้โครงข่ายคำนวณและรายงานในแต่ละ epoch ได้ด้วย การ fit โมเดลต้องใช้ชุดข้อมูลฝึกสอนพร้อมกับ label ที่สอดคล้องกัน

โมเดล Conv2D ที่สร้างไว้ในแบบฝึกหัดก่อนหน้าพร้อมใช้งานใน workspace แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างโมเดลภาพด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

คอมไพล์โครงข่ายโดยใช้ optimizer 'adam' และ cost function 'categorical_crossentropy' พร้อมกำหนดใน metrics list ให้โครงข่ายรายงาน 'accuracy'
Fit โครงข่ายด้วย train_data และ train_labels โดยฝึกเป็นเวลา 3 epochs ด้วย batch size 10 รูปภาพ และแบ่งข้อมูล 20% เป็น validation set โดยใช้ keyword argument validation_split

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Compile the model 
model.compile(optimizer=____, 
              loss=____, 
              metrics=[____])

# Fit the model on a training set
model.fit(____, ____, 
          validation_split=____, 
          epochs=____, batch_size=____)

แก้ไขและรันโค้ด