マルチクラス分類モデル

バイナリ分類モデルのひな型ができたので、これを発展させてマルチクラス分類モデルを設計しましょう。モデルはパラメータでクラス数を指定できるようにし、将来の特定のマルチクラス分類タスクに合わせて調整できるようにします。

torch と、torch.nn を nn としてインポート済みです。すべての画像サイズは 64x64 ピクセルです。

この演習はコースの一部です

PyTorch で学ぶ画像向け Deep Learning

コースを見る

演習の手順

self と num_classes を引数に含む __init__ メソッドを定義します。
入力サイズが 16*32*32、出力がクラス数 num_classes の全結合層を作成します。
dim=1 で活性化関数 softmax を作成します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

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 = ____(____)

コードを編集して実行