मल्टी-क्लास क्लासिफिकेशन मॉडल
बाइनरी क्लासिफिकेशन मॉडल के टेम्पलेट के आधार पर, अब आप इसे बढ़ाकर एक मल्टी-क्लास क्लासिफिकेशन मॉडल डिज़ाइन कर सकते हैं। मॉडल को एक पैरामीटर के ज़रिए क्लासों की अलग-अलग संख्या संभालनी चाहिए, ताकि आप भविष्य में किसी विशेष मल्टी-क्लास क्लासिफिकेशन टास्क के अनुसार मॉडल को ट्यून कर सकें।
पैकेज torch और torch.nn को nn नाम से इम्पोर्ट किया गया है। सभी इमेज साइज़ 64x64 पिक्सेल हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
PyTorch के साथ इमेज के लिए डीप लर्निंग
अभ्यास निर्देश
__init__मेथड को परिभाषित करें और पैरामीटर के रूप मेंselfऔरnum_classesशामिल करें।16*32*32इनपुट साइज़ के साथ एक फुली-कनेक्टेड लेयर बनाएँ, जिसका आउटपुट क्लासों की संख्याnum_classesहो।dim=1के साथsoftmaxएक्टिवेशन फंक्शन बनाएँ.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
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 = ____(____)