Classifier-blok

Je volgende taak is om een classifier-blok te maken dat de oorspronkelijke VGG16-classifier vervangt. Je kiest voor een blok met twee volledig verbonden lagen met daartussen een ReLU-activatie.

De vgg_model en input_dim die je in de vorige oefening hebt gedefinieerd, zijn beschikbaar in je werkruimte, en torch en torchvision.models zijn geïmporteerd.

Deze oefening maakt deel uit van de cursus

Deep Learning voor afbeeldingen met PyTorch

Cursus bekijken

Oefeninstructies

Maak een variabele num_classes met het aantal klassen, ervan uitgaande dat je alleen katten en honden detecteert.
Maak een sequentieel blok met nn.Sequential.
Maak een lineaire laag met in_features ingesteld op input_dim.
Voeg de outputfeatures toe aan de laatste laag van de classifier.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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, ____),
)

Code bewerken en uitvoeren