แบบฝึกหัดที่ 2: การป้องกันไม่ให้โมเดลเรียนรู้มากเกินไป
ในแบบฝึกหัดนี้ คุณจะปรับปรุงโมเดล CNN สำหรับการแยกแยะแมวกับสุนัขที่คุณสร้างในแบบฝึกหัดที่ 1 โดยใช้การเพิ่มข้อมูลและการปรับให้เหมาะสมแบบ Dropout โดยทำดังนี้
การปฏิบัติ ML: การจัดประเภทอิมเมจ
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-07-27 UTC
[null,null,["อัปเดตล่าสุด 2025-07-27 UTC"],[[["\u003cp\u003eThis exercise focuses on enhancing a Convolutional Neural Network (CNN) model for cat-vs-dog image classification, building upon a previous exercise.\u003c/p\u003e\n"],["\u003cp\u003eThe enhancements involve implementing data augmentation techniques and dropout regularization to mitigate overfitting and improve model generalization.\u003c/p\u003e\n"],["\u003cp\u003eYou will actively apply these techniques in a provided coding exercise using Google Colab.\u003c/p\u003e\n"]]],[],null,["# ML Practicum: Image Classification\n\n\u003cbr /\u003e\n\n### Exercise 2: Preventing Overfitting\n\nIn this exercise, you'll improve the CNN model for cat-vs.-dog\nclassification you built in [Exercise 1](/machine-learning/practica/image-classification/exercise-1) by applying\ndata augmentation and dropout regularization: \n[Launch exercise](https://colab.research.google.com/github/google/eng-edu/blob/main/ml/pc/exercises/image_classification_part2.ipynb?utm_source=practicum-IC&utm_campaign=colab-external&utm_medium=referral&hl=en&utm_content=imageexercise2-colab)"]]