2出力モデルのアーキテクチャ
この演習では、文字とアルファベットの両方を予測できるマルチ出力ニューラルネットワークのアーキテクチャを構築します。
一般的な構成を思い出してください。.__init__() メソッドでは、後で forward パスで使用する層を定義します。forward() メソッドでは、まず入力画像をいくつかの層に通して埋め込みを得てから、その埋め込みを2つの別々の分類器層（それぞれの出力に対応）に入力します。
torch.nn は通常のエイリアスで既にインポートされています。では、モデルを作りましょう！
この演習はコースの一部です
PyTorchによる中級ディープラーニング
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 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
____ = ____
____ = ____