Thêm strides vào mạng tích chập
Kích thước bước trượt (strides) của kernel tích chập quyết định việc kernel có bỏ qua một số pixel khi trượt trên ảnh hay không. Điều này ảnh hưởng đến kích thước đầu ra vì khi strides lớn hơn 1, kernel chỉ được căn giữa trên một số pixel nhất định.
Bài tập này là một phần của khóa học
Mô hình hóa ảnh với Keras
Hướng dẫn bài tập
Xây dựng một mạng neural với một lớp Conv2D dùng tích chập có strides để bỏ qua mỗi pixel xen kẽ.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Initialize the model
model = Sequential()
# Add the convolutional layer
model.add(Conv2D(10, kernel_size=3, activation='relu',
input_shape=(img_rows, img_cols, 1),
____))
# Feed into output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))