Modèle de classification multiclasse

À partir du gabarit du modèle de classification binaire, vous pouvez maintenant l'étendre pour concevoir un modèle de classification multiclasse. Le modèle doit gérer un nombre variable de classes au moyen d'un paramètre, ce qui vous permettra d'adapter le modèle à une tâche de classification multiclasse précise plus tard.

Les modules torch et torch.nn sous le nom nn ont été importés. Toutes les images ont une taille de 64x64 pixels.

Cette activité fait partie du cours

Deep Learning pour les images avec PyTorch

Voir le cours

Instructions de l’exercice

Définissez la méthode __init__ en incluant self et num_classes comme paramètres.
Créez une couche entièrement connectée avec une taille d'entrée de 16*32*32 et num_classes comme nombre de classes en sortie.
Créez une fonction d'activation softmax avec dim=1.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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 = ____(____)

Modifier et exécuter le code