Bài tập 2: Ngăn chặn tình trạng thích ứng quá mức
Trong bài tập này, bạn sẽ cải thiện mô hình CNN để phân loại mèo và chó mà bạn đã tạo trong Bài tập 1 bằng cách áp dụng phương pháp tăng cường dữ liệu và điều chỉnh dropout:
Thực hành học máy: Phân loại hình ảnh
Trừ phi có lưu ý khác, nội dung của trang này được cấp phép theo Giấy phép ghi nhận tác giả 4.0 của Creative Commons và các mẫu mã lập trình được cấp phép theo Giấy phép Apache 2.0. Để biết thông tin chi tiết, vui lòng tham khảo Chính sách trang web của Google Developers. Java là nhãn hiệu đã đăng ký của Oracle và/hoặc các đơn vị liên kết với Oracle.
Cập nhật lần gần đây nhất: 2025-07-27 UTC.
[null,null,["Cập nhật lần gần đây nhất: 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)"]]