LoslegenKostenlos starten

Aufbau von Convolutional Networks

Du bist in einem Team, das ein Wettervorhersagesystem entwickelt. Als Teil des Systems werden Kameras an verschiedenen Standorten installiert, um Bilder vom Himmel aufzunehmen. Deine Aufgabe ist es, ein Modell zu entwickeln, das verschiedene Wolkentypen in diesen Bildern klassifiziert, was dabei hilft, herannahende Wetterfronten zu erkennen.

Du entscheidest dich, einen Convolutional-Bildklassifikator zu bauen. Das Modell wird aus zwei Teilen bestehen:

  • Einem Feature-Extraktor, der einen Vektor von Merkmalen aus dem Eingabebild lernt,
  • Einem Klassifikator, der die Bildklasse basierend auf den gelernten Features vorhersagt.

Sowohl torch als auch torch.nn as nn wurden bereits für dich importiert, lass uns also loslegen!

Diese Übung ist Teil des Kurses

<Kurs>Deep Learning mit PyTorch für Fortgeschrittene</Kurs>
Kurs ansehen

Interaktive praktische Übung

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

class Net(nn.Module):
    def __init__(self, num_classes):
        super().__init__()
        # Define feature extractor
        self.feature_extractor = nn.Sequential(
            nn.Conv2d(3, 32, kernel_size=3, padding=1),
            nn.ELU(),
            nn.MaxPool2d(kernel_size=2),
            ____,
            ____,
            ____,
            ____,
        )
Code bearbeiten und ausführen