शुरू करेंमुफ़्त में शुरू करें

दो-आउटपुट मॉडल आर्किटेक्चर

इस अभ्यास में, आप एक multi-output न्यूरल नेटवर्क आर्किटेक्चर बनाएँगे जो character और alphabet दोनों की भविष्यवाणी कर सके।

सामान्य संरचना याद रखें: .__init__() मेथड में, आप वे लेयर्स परिभाषित करते हैं जिन्हें आगे फॉरवर्ड पास में उपयोग किया जाएगा। forward() मेथड में, आप पहले इनपुट इमेज को कुछ लेयर्स से गुज़ारकर उसका embedding (embedding — वेक्टर रूप में निरूपण) निकालेंगे, जिसे फिर दो अलग-अलग classifier लेयर्स में फीड किया जाएगा — प्रत्येक आउटपुट के लिए एक।

torch.nn पहले से उसके सामान्य alias के साथ इम्पोर्ट है, तो आइए एक मॉडल बनाते हैं!

यह अभ्यास पाठ्यक्रम का हिस्सा है

इंटरमीडिएट Deep Learning with PyTorch

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

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
        ____ = ____
        ____ = ____
कोड संपादित करें और चलाएँ