Modelo de clasificación multiclase

Con una plantilla de modelo de clasificación binaria lista, ahora puedes ampliarla para diseñar un modelo de clasificación multiclase. El modelo debe admitir diferentes números de clases mediante un parámetro, lo que te permitirá adaptarlo 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 64x64 píxeles.

Este ejercicio forma parte del curso

Deep Learning 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 tamaño de entrada 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 y completa 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