Inizia subitoInizia gratis

Architettura del modello a due output

In questo esercizio costruirai un'architettura di rete neurale multi-output in grado di prevedere sia il carattere sia l'alfabeto.

Ricorda la struttura generale: nel metodo .__init__() definisci i layer che userai poi nel forward pass. Nel metodo forward() farai prima passare l'immagine di input attraverso un paio di layer per ottenere il suo embedding, che a sua volta verrà inviato a due layer di classificazione distinti, uno per ciascun output.

torch.nn è già importato con il suo alias abituale, quindi costruiamo un modello!

Questo esercizio fa parte del corso

Deep Learning intermedio con PyTorch

Visualizza corso

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.image_layer = nn.Sequential(
            nn.Conv2d(1, 16, kernel_size=3, padding=1),
            nn.MaxPool2d(kernel_size=2),
            nn.ELU(),
            nn.Flatten(),
            nn.Linear(16*32*32, 128)
        )
        # Define the two classifier layers
        ____ = ____
        ____ = ____
Modifica ed esegui il codice