Membuat blok sequential

Anda memutuskan untuk mendesain ulang templat model CNN biner dengan membuat satu blok layer konvolusional. Ini akan membantu Anda menumpuk beberapa layer secara berurutan. Dengan model yang ditingkatkan ini, Anda dapat dengan mudah merancang berbagai arsitektur CNN.

torch dan torch.nn sebagai nn telah diimpor.

Latihan ini merupakan bagian dari kursus

Deep Learning untuk Gambar dengan PyTorch

Lihat Kursus

Instruksi latihan

Di dalam metode __init__(), definisikan sebuah blok layer konvolusional dan tetapkan ke self.conv_block.
Pada lintasan forward(), teruskan masukan melalui blok konvolusional yang Anda definisikan.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

class BinaryImageClassification(nn.Module):
  def __init__(self):
    super(BinaryImageClassification, self).__init__()
    # Create a convolutional block
    self.conv_block = ____(
      nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1),
      nn.ReLU(),
      nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1),
      nn.ReLU(),
    )
    
  def forward(self, x):
    # Pass inputs through the convolutional block
    x = ____
    return x

Edit dan Jalankan Kode