Keras 池化层

Keras 将池化操作实现为一种层，可以插入到 CNN 的各层之间。在本练习中，您将构建一个与之前类似的卷积神经网络：

Convolution => Convolution => Flatten => Dense

不过，这次您还会加入一个池化层。该结构会在卷积层与全连接层之间加入一个 2x2 的最大池化层：

Convolution => Max pooling => Convolution => Flatten => Dense

工作区中已提供一个顺序式 model，以及 Dense、Conv2D、Flatten 和 MaxPool2D 对象。

本练习是课程的一部分

使用 Keras 进行图像建模

查看课程

练习说明

添加一个输入卷积层（15 个单元，卷积核大小为 2，relu 激活）。
添加一个最大池化操作（以 2x2 窗口进行池化）。
再添加一个卷积层（5 个单元，卷积核大小为 2，relu 激活）。
将第二个卷积层的输出展平，并添加一个用于输出的 Dense 层（3 个类别，softmax 激活）。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Add a convolutional layer
____(____(15, kernel_size=2, activation='relu', 
                 input_shape=(img_rows, img_cols, 1)))

# Add a pooling operation
____

# Add another convolutional layer
____

# Flatten and feed to output layer
model.add(____)
model.add(____(3, activation='softmax'))
model.summary()

编辑并运行代码