โมเดล Binary Classification

ในฐานะผู้ปฏิบัติงานด้าน deep learning งานหลักอย่างหนึ่งคือการฝึกโมเดลสำหรับการจำแนกภาพ หนึ่งในรูปแบบที่พบบ่อยคือ binary classification ซึ่งต้องแยกแยะภาพออกเป็น 2 คลาส เพื่อให้กระบวนการทำงานมีประสิทธิภาพและนำกลับมาใช้ซ้ำได้ คุณจึงตัดสินใจสร้างเทมเพลตสำหรับโมเดล CNN แบบ binary image classification เพื่อนำไปใช้กับโปรเจกต์ในอนาคต

ได้นำเข้าแพ็กเกจ torch และ torch.nn ในชื่อ nn เรียบร้อยแล้ว ภาพทุกภาพมีขนาด 64x64 พิกเซล

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning สำหรับภาพด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง convolutional layer โดยกำหนด input channel เป็น 3, output channel เป็น 16, kernel size เป็น 3, stride เป็น 1 และ padding เป็น 1
สร้าง fully connected layer โดยกำหนด input size เป็น 16x32x32 และจำนวนคลาสเป็น 1 โดยระบุค่าตามลำดับที่กำหนดไว้ (16*32*32, 1)
สร้างฟังก์ชัน activation แบบ sigmoid

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

class BinaryImageClassifier(nn.Module):
    def __init__(self):
        super(BinaryImageClassifier, self).__init__()
        
        # Create a convolutional layer
        self.conv1 = ____(____)
        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.sigmoid = ____

แก้ไขและรันโค้ด