Klassifiziererblock
Als Nächstes musst du einen Klassifizierungsblock erstellen, der den ursprünglichen VGG16-Klassifizierer ersetzt. Du entscheidest dich für einen Block mit zwei komplett verbundenen Schichten und einer ReLU-Aktivierung dazwischen.
Die Dateien „ vgg_model “ und „ input_dim “, die du in der letzten Übung erstellt hast, sind jetzt in deinem Arbeitsbereich verfügbar, und die Dateien „ torch “ und „ torchvision.models “ wurden importiert.
Diese Übung ist Teil des Kurses
Deep Learning für Bilder mit PyTorch
Anleitung zur Übung
- Erstell eine Variable „
num_classes” mit der Anzahl der Klassen, wenn du nur Katzen und Hunde erkennen willst. - Erstell einen sequenziellen Block mit „
nn.Sequential“. - Mach eine lineare Ebene und stell „
in_features“ auf „input_dim“. - Füge die Ausgabemerkmale zur letzten Schicht des Klassifikators hinzu.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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, ____),
)