Modelo de classificação multiclasse

Com um modelo base para classificação binária em mãos, você pode agora expandi-lo para projetar um modelo de classificação multiclasse. O modelo deve lidar com diferentes números de classes por meio de um parâmetro, permitindo que você ajuste o modelo para uma tarefa específica de classificação multiclasse no futuro.

Os pacotes torch e torch.nn como nn já foram importados. Todos os tamanhos de imagem são 64x64 pixels.

Este exercício faz parte do curso

Deep Learning 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 tamanho de entrada 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