为网络添加批量归一化
批量归一化是另一种正则化方式，它会对某一层的输出重新缩放，使其均值为 0、标准差为 1。本练习将把批量归一化添加到我们在前面练习中使用的卷积神经网络中：
- 卷积层（15 个单元，kernel size 为 2，激活函数为 'relu'）
- 批量归一化
- 卷积层（5 个单元，kernel size 为 2，激活函数为 'relu'）
- 展平（Flatten）
- 全连接层（3 个单元，激活函数为 'softmax'）
工作区中已提供 Sequential model，以及 Dense、Conv2D、Flatten 和 Dropout 对象。
本练习是课程的一部分
使用 Keras 进行图像建模
练习说明
- 添加第一个卷积层。您可以使用工作区中的
img_rows和img_cols对象来定义该层的input_shape。 - 在第一层的输出上添加批量归一化。
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
____
# 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'))