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

Deep Learning für Bilder mit PyTorch

Kurs anzeigen

Anleitung zur Übung

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 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, ____),
)

Code bearbeiten und ausführen