이진 분류 모델

딥러닝 실무에서 주요 업무 중 하나는 이미지 분류 모델을 학습시키는 일이에요. 그중에서도 두 개의 클래스를 구분하는 이진 분류를 자주 접하게 됩니다. 워크플로를 효율화하고 재사용성을 높이기 위해, 앞으로의 프로젝트에도 적용할 수 있는 이진 이미지 분류용 CNN 모델 템플릿을 만들어 보려고 해요.

torch 패키지와 torch.nn은 nn으로 임포트되어 있습니다. 모든 이미지 크기는 64x64 픽셀입니다.

이 연습은 강의의 일부입니다

PyTorch로 배우는 이미지 딥러닝

강의 보기

연습 안내

입력 채널 3, 출력 채널 16, 커널 크기 3, 스트라이드 1, 패딩 1인 합성곱 층을 생성하세요.
입력 크기가 16x32x32이고 클래스 수가 1인 완전 연결 층을 생성하세요. 제공된 순서대로 값만 포함하세요: (16*32*32, 1).
sigmoid 활성화 함수를 생성하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

class BinaryImageClassifier(nn.Module):
    def __init__(self):
        super(BinaryImageClassifier, self).__init__()
        
        # Create a convolutional layer
        self.conv1 = ____(____)
        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.sigmoid = ____

코드 편집 및 실행