Klassifikator-Block

Deine nächste Aufgabe ist es, einen Klassifikator-Block zu erstellen, der den ursprünglichen VGG16-Klassifikator ersetzt. Du entscheidest dich für einen Block mit zwei vollständig verbundenen Schichten (Fully Connected) mit einer ReLU-Aktivierung dazwischen.

Das vgg_model und die input_dim, die du in der letzten Übung definiert hast, sind in deinem Workspace verfügbar, und torch sowie torchvision.models wurden importiert.

Diese Übung ist Teil des Kurses

<Kurs>Deep Learning für Bilder mit PyTorch</Kurs>

Kurs ansehen

Übungsanweisungen

Lege eine Variable num_classes mit der Anzahl der Klassen an, wobei du nur Katzen und Hunde erkennst.
Erstelle einen sequentiellen Block mit nn.Sequential.
Erzeuge eine lineare Schicht mit in_features, gesetzt auf input_dim.
Füge die Ausgabe-Features (out_features) zur letzten Schicht des Klassifikators hinzu.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Create a variable with the number of classes
____
    
# Create a sequential block
classifier = ____(
	# Create a linear layer with input features
	____(____, 512),
	nn.ReLU(),
	# Add the output dimension to the classifier
	nn.Linear(512, ____),
)

Code bearbeiten und ausführen