Začněte nyníZačněte zdarma

Architektura modelu se dvěma výstupy

V tomto cvičení sestavíš architekturu vícevrstvé neuronové sítě s více výstupy, která bude schopná předpovídat znak i abecedu.

Připomeň si obecnou strukturu: v metodě .__init__() definuješ vrstvy, které se pak použijí ve forward passu. V metodě forward() nejprve projde vstupní obrázek několika vrstvami a získá se jeho embedding, který se poté předá dvěma samostatným klasifikačním vrstvám — jedné pro každý výstup.

torch.nn je již naimportován pod obvyklým aliasem, takže se pustíme do tvorby modelu!

Toto cvičení je součástí kurzu

Intermediate Deep Learning with PyTorch

Zobrazit kurz

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.image_layer = nn.Sequential(
            nn.Conv2d(1, 16, kernel_size=3, padding=1),
            nn.MaxPool2d(kernel_size=2),
            nn.ELU(),
            nn.Flatten(),
            nn.Linear(16*32*32, 128)
        )
        # Define the two classifier layers
        ____ = ____
        ____ = ____
Upravit a spustit kód