用于图像分类的卷积网络

用于分类的卷积网络由一系列卷积层（用于图像处理）和全连接（Dense）层（用于读出）构成。本练习中，您将构建一个小型卷积网络，用于对 fashion 数据集中的数据进行分类。

本练习是课程的一部分

使用 Keras 进行图像建模

练习说明

添加一个 Conv2D 层，作为网络的输入层。使用 3×3 的卷积核。您可以使用工作区中提供的 img_rows 和 img_cols 对象来定义该层的 input_shape。
添加一个 Flatten 层，用于在网络的图像处理部分与分类部分之间进行转换。
添加一个 Dense 层，用于对数据集中 3 类不同的服装进行分类。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Import the necessary components from Keras
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten

# Initialize the model object
model = Sequential()

# Add a convolutional layer
model.add(____(10, kernel_size=____, activation='relu', 
               input_shape=____))

# Flatten the output of the convolutional layer
model.add(____())
# Add an output layer for the 3 categories
model.add(____(____, activation='softmax'))

编辑并运行代码