-
Notifications
You must be signed in to change notification settings - Fork 28
/
Copy pathBs5W.py
38 lines (35 loc) · 1.3 KB
/
Bs5W.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
#Techgym8-4-A
# ライブラリのインポート
from keras.models import Sequential
from keras.layers import Dense, Flatten, Activation
from keras.layers import Conv2D, MaxPooling2D
# モデルの定義
model = Sequential()
# 1. 畳み込み層(フィルタサイズ=6, カーネルサイズ=(3,3), 入力サイズ=(32,32,3))
model.add(Conv2D(filters=6, kernel_size=(3, 3), input_shape=(32, 32, 3)))
# 2. 活性化関数(Sigmoid)
model.add(Activation("sigmoid"))
# 3. プーリング層(プーリングサイズ=(2,2))
model.add(MaxPooling2D(pool_size=(2, 2)))
# 4. 畳み込み層(フィルタサイズ=12, カーネルサイズ=(3,3))
model.add(Conv2D(filters=12, kernel_size=(3, 3)))
# 5. 活性化関数(Sigmoid)
model.add(Activation("sigmoid"))
# 6. プーリング層(プーリングサイズ=(2,2))
model.add(MaxPooling2D(pool_size=(2, 2)))
# 7. 平坦化()
model.add(Flatten())
# 8. 全結合層(出力=120)
model.add(Dense(units=120))
# 9. 活性化関数(Sigmoid)
model.add(Activation("sigmoid"))
# 10. 全結合層(出力=60)
model.add(Dense(units=60))
# 11. 活性化関数(Sigmoid)
model.add(Activation("sigmoid"))
# 12. 全結合層(出力=10)
model.add(Dense(units=10))
# 13. 活性化関数(Softmax)
model.add(Activation("softmax"))
# モデルの確認
model.summary()