Bloc de classification

Votre prochaine tâche consiste à créer un bloc de classification qui remplacera le classificateur VGG16 d'origine. Vous décidez d'utiliser un bloc avec deux couches entièrement connectées, avec une activation ReLU entre les deux.

Les objets vgg_model et input_dim que vous avez définis dans l'exercice précédent sont disponibles dans votre environnement, et torch ainsi que torchvision.models ont été importés.

Cette activité fait partie du cours

Deep Learning pour les images avec PyTorch

Voir le cours

Instructions de l’exercice

Créez une variable num_classes avec le nombre de classes en supposant que vous ne détectez que des chats et des chiens.
Créez un bloc séquentiel avec nn.Sequential.
Créez une couche linéaire avec in_features défini à input_dim.
Ajoutez les caractéristiques de sortie à la dernière couche du classificateur.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create a variable with the number of classes
____
    
# Create a sequential block
classifier = ____(
	# Create a linear layer with input features
	____(____, 512),
	nn.ReLU(),
	# Add the output dimension to the classifier
	nn.Linear(512, ____),
)

Modifier et exécuter le code