Modelo de clasificación binaria

Como especialista en deep learning, una de tus tareas principales es entrenar modelos para clasificación de imágenes. A menudo te enfrentas a problemas de clasificación binaria, en los que necesitas distinguir entre dos clases. Para agilizar tu flujo de trabajo y facilitar la reutilización, has decidido crear una plantilla de modelo CNN para clasificación binaria de imágenes, que puedas aplicar en futuros proyectos.

Se han importado los paquetes torch y torch.nn como nn. Todas las imágenes tienen un tamaño de 64x64 píxeles.

Este ejercicio forma parte del curso

Deep Learning para imágenes con PyTorch

Ver curso

Instrucciones del ejercicio

Crea una capa convolucional con 3 canales de entrada, 16 canales de salida, tamaño de kernel 3, stride 1 y padding 1.
Crea una capa totalmente conectada con un tamaño de entrada de 16x32x32 y un número de clases igual a 1; incluye solo los valores en el orden indicado (16*32*32, 1).
Crea una función de activación sigmoid.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

class BinaryImageClassifier(nn.Module):
    def __init__(self):
        super(BinaryImageClassifier, self).__init__()
        
        # Create a convolutional layer
        self.conv1 = ____(____)
        self.relu = nn.ReLU()
        self.maxpool = nn.MaxPool2d(kernel_size=2, stride=2)
        self.flatten = nn.Flatten()
        
        # Create a fully connected layer
        self.fc = ____(____)
        
        # Create an activation function
        self.sigmoid = ____

Editar y ejecutar código