Model klasifikasi multi-kelas

Dengan template model klasifikasi biner yang sudah tersedia, sekarang Anda dapat mengembangkannya untuk merancang model klasifikasi multi-kelas. Model ini harus menangani jumlah kelas yang berbeda melalui sebuah parameter, sehingga Anda dapat menyesuaikan model untuk tugas klasifikasi multi-kelas tertentu di masa 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

Definisikan metode __init__ dengan self dan num_classes sebagai parameter.
Buat lapisan fully connected dengan ukuran masukan 16*32*32 dan jumlah kelas num_classes sebagai keluaran.
Buat fungsi aktivasi softmax dengan dim=1.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

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 = ____(____)

Edit dan Jalankan Kode