Blok klasyfikatora

Twoim kolejnym zadaniem jest stworzenie bloku klasyfikatora, który zastąpi oryginalny klasyfikator VGG16. Zdecydujesz się użyć bloku z dwiema w pełni połączonymi warstwami z aktywacją ReLU pomiędzy nimi.

Zdefiniowane w poprzednim ćwiczeniu zmienne vgg_model oraz input_dim są dostępne w twoim środowisku pracy. Biblioteki torch i torchvision.models zostały już zaimportowane.

To ćwiczenie jest częścią kursu

Głębokie uczenie dla obrazów z PyTorch

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz zmienną num_classes przechowującą liczbę klas – zakładamy, że zadanie dotyczy wyłącznie wykrywania kotów i psów.
Utwórz blok sekwencyjny za pomocą nn.Sequential.
Dodaj warstwę liniową z parametrem in_features ustawionym na input_dim.
Dodaj cechy wyjściowe do ostatniej warstwy klasyfikatora.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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, ____),
)

Edytuj i uruchom kod