729G83 Kognitiv teknologi och artificiell intelligens
Laboration AI3: Convolutional Neural Networks (CNN)
Förarbete inför labben: Läs i förväg igenom labtexterna för Convolutional neural networks, samt Image classification. Bra referensläsning: Keras, TensorFlow, and Deep Learning without a PhD: Convolutional networks. Det gäller generellt för alla labbar att ni kommer att behöva lägga mer tid på labbarna än de schemalagda labbtillfällena.
På laborationen: Kör igenom Convolutional neural networks, och sedan Image classification
Genomför de fem exercises som finns i slutet ab andra labben, och besvara följande fem frågor:
- Vad är data läckage, och hur har man försäkrat sig att undvika detta i labb-koden, även om det inte har behövts i just detta fall.
- Varför/när behövs Flatten-lager i ett CNN-nätverk?
- I ruta 18 i Image Classification: Hur stor andel av de träningsbara parameterarna kommer från dense-lagret i CNN-nätet?
- Hur hade keras/tensorflow-kod för early-stopping kod sett ut? Skriv kodsnutten som ert svar.
- Var hade ni stoppat in erly stopping i existerande koden, vilken del av labb-koden? Skriv den modifierade koden, där early stopping är instoppad, som ert svar.
Lämna in era svar i Lisam (i pdf-format). Denna labb rekommenderas vara klar innan nästa labb börjar enligt schemat i TimeEdit.
Sidansvarig: Rita Kovordanyi
Senast uppdaterad: 2025-09-24