Blocco del classificatore

Il tuo prossimo compito è creare un blocco di classificazione che sostituirà il classificatore originale di VGG16. Decidi di usare un blocco con due livelli completamente connessi con un'attivazione ReLU in mezzo.

I vgg_model e input_dim che hai definito nell'esercizio precedente sono disponibili nel tuo workspace, e torch e torchvision.models sono stati importati.

Questo esercizio fa parte del corso

Deep Learning per Immagini con PyTorch

Visualizza il corso

Istruzioni dell'esercizio

Crea una variabile num_classes con il numero di classi, assumendo che tu stia rilevando solo gatti e cani.
Crea un blocco sequenziale usando nn.Sequential.
Crea un livello lineare con in_features impostato a input_dim.
Aggiungi le feature di output all'ultimo livello del classificatore.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Create a variable with the number of classes
____
    
# Create a sequential block
classifier = ____(
	# Create a linear layer with input features
	____(____, 512),
	nn.ReLU(),
	# Add the output dimension to the classifier
	nn.Linear(512, ____),
)

Modifica ed esegui il codice