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 merupakan bagian dari kursus

Deep Learning untuk Gambar dengan PyTorch

Lihat Kursus

Instruksi 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 langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

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 = ____

Edit dan Jalankan Kode