Klassificeringsblock

Nästa uppgift är att skapa ett klassificeringsblock som ersätter den ursprungliga VGG16-klassificeraren. Du väljer att använda ett block med två fully connected-lager och en ReLU-aktivering däremellan.

vgg_model och input_dim som du definierade i föregående övning finns tillgängliga i din arbetsyta, och torch samt torchvision.models har importerats.

Den här övningen är en del av kursen

Djupinlärning för bilder med PyTorch

Visa kurs

Övningsinstruktioner

Skapa en variabel num_classes med antalet klasser, förutsatt att du arbetar med att detektera katter och hundar.
Skapa ett sekventiellt block med nn.Sequential.
Skapa ett linjärt lager där in_features är satt till input_dim.
Lägg till utdataegenskaperna i klassificerarens sista lager.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create a variable with the number of classes
____
    
# Create a sequential block
classifier = ____(
	# Create a linear layer with input features
	____(____, 512),
	nn.ReLU(),
	# Add the output dimension to the classifier
	nn.Linear(512, ____),
)

Redigera och kör kod