Modèle de classification multiclasse

À partir du modèle de classification binaire fourni, vous allez maintenant le faire évoluer pour concevoir un modèle de classification multiclasse. Le modèle doit gérer un nombre variable de classes via un paramètre, ce qui vous permettra de l’adapter à une tâche multiclasse spécifique par la suite.

Les packages torch et torch.nn en tant que nn ont été importés. Toutes les images ont une taille de 64x64 pixels.

Cet exercice fait partie du cours

Deep Learning pour l’image avec PyTorch

Afficher le cours

Instructions

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

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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