Modell för flerklass-klassificering

Nu när du har en mall för en binär klassificeringsmodell kan du bygga vidare på den och skapa en modell för flerklass-klassificering. Modellen ska hantera olika antal klasser via en parameter, så att du enkelt kan anpassa den till en specifik klassificeringsuppgift längre fram.

Paketen torch och torch.nn som nn har redan importerats. Alla bilder är 64×64 pixlar.

Den här övningen är en del av kursen

Djupinlärning för bilder med PyTorch

Visa kurs

Övningsinstruktioner

Definiera metoden __init__ med self och num_classes som parametrar.
Skapa ett fully connected-lager med indatastorlek 16*32*32 och num_classes som utdata.
Skapa en aktiveringsfunktion softmax med dim=1.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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 = ____(____)

Redigera och kör kod