Навчіть глибоку CNN з пулінгом для класифікації зображень
Навчання CNN із шарами пулінгу дуже подібне до навчання глибоких мереж, які ви вже бачили. Коли мережу побудовано (як у попередній вправі), модель потрібно коректно скомпілювати, а потім передати тренувальні дані разом з іншими аргументами, що керують процедурою навчання.
У вашому робочому середовищі доступна така model з попередньої вправи:
Convolution => Max pooling => Convolution => Flatten => Dense
Ця вправа є частиною курсу
Моделювання зображень у Keras
Інструкції до вправи
- Скомпілюйте цю модель, використовуючи функцію втрат categorical cross-entropy та оптимізатор Adam.
- Навчіть модель протягом 3 епох з розміром батча 10.
- Використайте 20% даних як валідаційні.
- Оцініть модель на
test_dataзtest_labels(також батчі розміру 10).
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Compile the model
____
# Fit to training data
____
# Evaluate on test data
____