Criando um bloco sequencial

Você decidiu redesenhar seu modelo base de CNN binária criando um bloco de camadas convolucionais. Isso vai ajudar você a empilhar várias camadas de forma sequencial. Com esse modelo aprimorado, você poderá projetar facilmente diferentes arquiteturas de CNN.

torch e torch.nn como nn já foram importados.

Este exercício faz parte do curso

Deep Learning para Imagens com PyTorch

Ver curso

Instruções do exercício

No método __init__(), defina um bloco de camadas convolucionais e atribua-o a self.conv_block.
No forward() pass, faça as entradas passarem pelo bloco convolucional que você definiu.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

class BinaryImageClassification(nn.Module):
  def __init__(self):
    super(BinaryImageClassification, self).__init__()
    # Create a convolutional block
    self.conv_block = ____(
      nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1),
      nn.ReLU(),
      nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1),
      nn.ReLU(),
    )
    
  def forward(self, x):
    # Pass inputs through the convolutional block
    x = ____
    return x

Editar e executar o código