Modelo de classificação multiclasse

Com um modelo para um modelo de classificação binária pronto, agora você pode usá-lo como base para criar um modelo de classificação multiclasse. O modelo deve lidar com diferentes números de classes por meio de um parâmetro, permitindo que você adapte o modelo a uma tarefa específica de classificação multiclasse no futuro.

Os pacotes torch e torch.nn, assim como nn, foram importados. Todas as imagens têm 64x64 pixels.

Este exercício faz parte do curso

Aprendizado profundo para imagens com PyTorch

Ver curso

Instruções do exercício

Defina o método “ __init__ ” incluindo “ self ” e “ num_classes ” como parâmetros.
Crie uma camada totalmente conectada com o tamanho de entrada de 16*32*32 e o número de classes num_classes como saída.
Crie uma função de ativação softmax com dim=1.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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 = ____(____)

Editar e executar o código