ComeçarComece de graça

Arquitetura do modelo de duas saídas

Neste exercício, você construirá uma arquitetura de rede neural de várias saídas capaz de prever o caractere e o alfabeto.

Lembre-se da estrutura geral: no método .__init__(), você define as camadas a serem usadas posteriormente na passagem direta. No método forward(), você primeiro passará a imagem de entrada por algumas camadas para obter sua incorporação, que, por sua vez, é alimentada em duas camadas classificadoras separadas, uma para cada saída.

torch.nn já foi importado com seu alias usual, então vamos criar um modelo!

Este exercício faz parte do curso

Aprendizagem profunda intermediária com PyTorch

Ver curso

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.image_layer = nn.Sequential(
            nn.Conv2d(1, 16, kernel_size=3, padding=1),
            nn.MaxPool2d(kernel_size=2),
            nn.ELU(),
            nn.Flatten(),
            nn.Linear(16*32*32, 128)
        )
        # Define the two classifier layers
        ____ = ____
        ____ = ____
Editar e executar o código