Модель многоклассовой классификации

Имея готовый шаблон модели бинарной классификации, вы можете расширить его и создать модель многоклассовой классификации. Модель должна поддерживать произвольное количество классов через параметр, что позволит в дальнейшем адаптировать её под конкретную задачу многоклассовой классификации.

Пакеты torch и torch.nn (как nn) уже импортированы. Размер всех изображений — 64×64 пикселя.

Это упражнение является частью курса

Глубокое обучение для работы с изображениями на PyTorch

Посмотреть курс

Инструкции к упражнению

Определите метод __init__, указав self и num_classes в качестве параметров.
Создайте полносвязный слой с размером входа 16*32*32 и количеством классов num_classes в качестве выхода.
Создайте функцию активации softmax с параметром dim=1.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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 = ____(____)

Редактировать и запускать код