构建深度学习网络
深度卷积神经网络指包含多个层的网络。深度网络中的每一层都从前一层接收输入，最开始的那一层则直接从用于训练或测试的图像获取输入。
在本练习中，您将创建一个包含两个卷积层的网络。
本练习是课程的一部分
使用 Keras 进行图像建模
练习说明
- 第一个卷积层是网络的输入层。该层需要 15 个单元，并使用 2×2 像素的卷积核。激活函数使用
'relu'。可使用变量img_rows和img_cols来定义其input_shape。 - 第二个卷积层从第一层接收输入。该层需要 5 个单元，并使用 2×2 像素的卷积核。其激活函数同样使用
'relu'。
交互式实操练习
通过完成这段示例代码来试试这个练习。
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten
model = Sequential()
# Add a convolutional layer (15 units)
____
# Add another convolutional layer (5 units)
____
# Flatten and feed to output layer
model.add(Flatten())
model.add(Dense(3, activation='softmax'))