Навчання CNN для класифікації типів одягу

Перш ніж тренувати нейронну мережу, її потрібно скомпілювати з правильною функцією втрат і належним оптимізатором. Під час компіляції ви також можете задати метрики, які мережа обчислює та повідомляє в кожній епосі. Навчання моделі потребує тренувального набору даних разом із тренувальними мітками для мережі.

Побудована вами в попередній вправі модель Conv2D доступна у вашому робочому середовищі.

Ця вправа є частиною курсу

Моделювання зображень у Keras

Переглянути курс

Інструкції до вправи

Скомпілюйте мережу з оптимізатором 'adam' і функцією втрат 'categorical_crossentropy'. У списку метрик задайте, щоб мережа повідомляла 'accuracy'.
Навчіть мережу на train_data і train_labels. Тренуйте 3 епохи з розміром пакета 10 зображень. Під час навчання відкладіть 20% даних як валідаційну вибірку, використавши аргумент validation_split.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

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

Редагувати та запускати код