CommencerCommencer gratuitement

Architecture de modèle à deux sorties

Dans cet exercice, vous allez construire une architecture de réseau de neurones à sorties multiples capable de prédire le caractère et l’alphabet.

Rappelez-vous la structure générale : dans la méthode .__init__(), vous définissez les couches qui seront utilisées ensuite lors du passage avant. Dans la méthode forward(), vous ferez d’abord passer l’image d’entrée à travers quelques couches pour obtenir son embedding, qui sera ensuite transmis à deux couches de classification distinctes, une pour chaque sortie.

torch.nn est déjà importé sous son alias habituel, alors construisons un modèle !

Cet exercice fait partie du cours

Deep learning intermédiaire avec PyTorch

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.image_layer = nn.Sequential(
            nn.Conv2d(1, 16, kernel_size=3, padding=1),
            nn.MaxPool2d(kernel_size=2),
            nn.ELU(),
            nn.Flatten(),
            nn.Linear(16*32*32, 128)
        )
        # Define the two classifier layers
        ____ = ____
        ____ = ____
Modifier et exécuter le code