Model klasifikasi biner
Sebagai praktisi deep learning, salah satu tugas utama Anda adalah melatih model untuk klasifikasi gambar. Anda sering menjumpai klasifikasi biner, ketika Anda perlu membedakan dua kelas. Untuk merapikan alur kerja dan memastikan dapat digunakan kembali, Anda memutuskan membuat templat model CNN klasifikasi gambar biner yang bisa diterapkan pada proyek-proyek mendatang.
Paket torch dan torch.nn sebagai nn telah diimpor. Semua ukuran gambar adalah 64x64 piksel.
Latihan ini adalah bagian dari kursus
Deep Learning untuk Gambar dengan PyTorch
Petunjuk latihan
- Buat layer konvolusional dengan 3 kanal, 16 kanal keluaran, ukuran kernel 3, stride 1, dan padding 1.
- Buat layer fully connected dengan ukuran masukan 16x32x32 dan jumlah kelas sama dengan 1; sertakan hanya nilai dalam urutan yang diberikan
(16*32*32, 1). - Buat fungsi aktivasi
sigmoid.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
class BinaryImageClassifier(nn.Module):
def __init__(self):
super(BinaryImageClassifier, self).__init__()
# Create a convolutional layer
self.conv1 = ____(____)
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.sigmoid = ____