Bloc classificateur
Votre prochaine tâche consiste à créer un bloc classificateur qui remplacera le classificateur VGG16 d'origine. Vous décidez d'utiliser un bloc avec deux couches entièrement connectées et une activation ReLU entre les deux.
Les fichiers vgg_model et input_dim que vous avez définis dans l'exercice précédent sont disponibles dans votre espace de travail, et les fichiers torch et torchvision.models ont été importés.
Cet exercice fait partie du cours
Deep learning pour les images avec PyTorch
Instructions
- 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 à l'aide de l'
nn.Sequential. - Créez un calque linéaire avec l'option «
in_features» (Utiliser le canal de niveau) définie sur «input_dim» (Tout - Ajoutez les caractéristiques de sortie à la dernière couche du classificateur.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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, ____),
)