Kom igångKom igång gratis

Arkitektur för modell med två utdata

I den här övningen ska du bygga en neural nätverksarkitektur med flera utdata som kan förutsäga både tecknet och alfabetet.

Kom ihåg den allmänna strukturen: i metoden .__init__() definierar du de lager som ska användas i det framåtgående passet. I metoden forward() skickar du först indatabilden genom ett par lager för att få fram en inbäddning, som sedan matas in i två separata klassificeringslager – ett för varje utdata.

torch.nn är redan importerat med sitt vanliga alias, så nu är det dags att bygga en modell!

Den här övningen är en del av kursen

Fördjupad djupinlärning med PyTorch

Visa kurs

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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
        ____ = ____
        ____ = ____
Redigera och kör kod