Modelo de clasificación multiclase

Con una plantilla para un modelo de clasificación binaria, ahora puedes basarte en ella para diseñar un modelo de clasificación multiclase. El modelo debe manejar diferentes números de clases mediante un parámetro, lo que te permite adaptar el modelo a una tarea de clasificación multiclase específica en el futuro.

Se han importado los paquetes torch y torch.nn como nn. Todos los tamaños de imagen son de 64 x 64 píxeles.

Este ejercicio forma parte del curso

Aprendizaje profundo para imágenes con PyTorch

Ver curso

Instrucciones del ejercicio

Define el método « __init__ » incluyendo « self » y « num_classes » como parámetros.
Crea una capa totalmente conectada con un tamaño de entrada de 16*32*32 y el número de clases num_classes como salida.
Crea una función de activación softmax con dim=1.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

class MultiClassImageClassifier(nn.Module):
  
    # Define the init method
    def ____(____, ____):
        super(MultiClassImageClassifier, self).__init__()
        self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)
        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.softmax = ____(____)

Editar y ejecutar código