訓練 CNN 來分類服裝種類
在訓練神經網路之前，必須先以正確的成本函式與適當的最佳化器進行編譯。編譯時，你也可以定義度量指標，讓網路在每個 epoch 計算並回報。模型擬合需要一組訓練資料，並將對應的訓練標籤一併提供給網路。
你在前一個練習中建立的 Conv2D model 已經在你的工作環境中可用。
本練習屬於課程
使用 Keras 進行影像建模
練習說明
- 使用
'adam'最佳化器與'categorical_crossentropy'成本函式來編譯網路。在 metrics 清單中定義網路需回報'accuracy'。 - 以
train_data和train_labels來擬合網路。訓練 3 個 epochs，批次大小為 10 張影像。訓練時，預留 20% 的資料作為驗證集，使用validation_split這個關鍵字引數。
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
model.compile(optimizer=____,
loss=____,
metrics=[____])
# Fit the model on a training set
model.fit(____, ____,
validation_split=____,
epochs=____, batch_size=____)