Bloc classificateur

Votre prochaine tâche consiste à créer un bloc classificateur qui remplacera le classificateur VGG16 d’origine. Vous choisissez d’utiliser un bloc avec deux couches entièrement connectées, séparées par une activation ReLU.

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

Cet exercice fait partie du cours

<cours>Deep Learning pour l’image avec PyTorch</cours>

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