Expert

Convolutional Neural Networks (CNN)

Les CNN sont les rois de l'image. Ils ne traitent pas les pixels individuellement, mais cherchent des motifs (lignes, courbes, formes).

Les Couches Clés

  • Conv2D : Passe des filtres sur l'image pour détecter des features.
  • MaxPooling2D : Réduit la taille de l'image (garde le pixel le plus important d'une zone). Rend le modèle plus léger et robuste.
  • Flatten : Aplatit l'image 2D en un vecteur 1D pour la classification finale.
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten

model = Sequential([
    Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    MaxPooling2D((2, 2)),
    Flatten(),
    Dense(10, activation='softmax') # 10 classes (ex: chiffres 0-9)
])

💪 À vous de jouer !

Note Importante : Les bibliothèques de Deep Learning comme TensorFlow sont trop lourdes pour tourner directement dans ce navigateur.

Pour pratiquer, nous vous recommandons d'utiliser Google Colab, un environnement gratuit qui offre des GPU puissants.

Ouvrir Google Colab 🚀
  • Créez un nouveau notebook sur Colab.
  • Copiez-collez le code de la leçon.
  • Exécutez et modifiez les paramètres pour voir les résultats !
← Précédent Suivant →