訓練含池化層的深度 CNN 進行影像分類
訓練含池化層的 CNN，和你先前看到的深度網路訓練方式非常相似。當網路建好之後（就像你在前一題完成的），需要先正確編譯模型，接著提供訓練資料，並搭配其他用來控制擬合流程的參數。
你的工作空間中已提供前一題建立的 model：
Convolution => Max pooling => Convolution => Flatten => Dense
本練習屬於課程
使用 Keras 進行影像建模
練習說明
- 將此模型編譯為使用 categorical cross-entropy 損失函式與 Adam 最佳化器。
- 以批次大小 10 訓練 3 個 epoch。
- 使用 20% 的資料作為驗證資料。
- 在
test_data與test_labels上評估模型（批次大小同為 10）。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Compile the model
____
# Fit to training data
____
# Evaluate on test data
____