在你的網路中加入批次正規化
批次正規化（batch normalization）是另一種正規化方法，會重新縮放某層的輸出，讓其均值為 0、標準差為 1。本練習要把批次正規化加入你在先前練習中使用的卷積神經網路：
- Convolution（15 個單元，kernel size 2，'relu' 啟用函式）
- Batch normalization
- Convolution（5 個單元，kernel size 2，'relu' 啟用函式）
- Flatten
- Dense（3 個單元，'softmax' 啟用函式）
工作環境中已提供 Sequential model，以及 Dense、Conv2D、Flatten、Dropout 物件可供使用。
本練習屬於課程
使用 Keras 進行影像建模
練習說明
- 加入第一個卷積層。你可以使用工作環境中的
img_rows與img_cols物件來定義此層的input_shape。 - 在第一層的輸出上加入批次正規化。
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。
# Add a convolutional layer
____
# Add batch normalization layer
____
# Add another convolutional layer
model.add(Conv2D(5, kernel_size=2, activation='relu'))
# Flatten and feed to output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))