Crear un bloque secuencial

Has decidido rediseñar tu plantilla de modelo CNN binario creando un bloque de capas convolucionales. Esto te ayudará a apilar varias capas de forma secuencial. Con este modelo mejorado, podrás diseñar fácilmente distintas arquitecturas de CNN.

torch y torch.nn como nn ya se han importado.

Este ejercicio forma parte del curso

Deep Learning para imágenes con PyTorch

Ver curso

Instrucciones del ejercicio

En el método __init__(), define un bloque de capas convolucionales y asígnalo a self.conv_block.
En el forward() pass, pasa las entradas por el bloque convolucional que has definido.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

class BinaryImageClassification(nn.Module):
  def __init__(self):
    super(BinaryImageClassification, self).__init__()
    # Create a convolutional block
    self.conv_block = ____(
      nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1),
      nn.ReLU(),
      nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1),
      nn.ReLU(),
    )
    
  def forward(self, x):
    # Pass inputs through the convolutional block
    x = ____
    return x

Editar y ejecutar código