เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

โมเดลสำหรับการจำแนกประเภทแบบหลายคลาส

เมื่อมีเทมเพลตสำหรับโมเดลจำแนกประเภทแบบสองคลาสแล้ว คราวนี้จะต่อยอดมันเพื่อสร้างโมเดลสำหรับการจำแนกประเภทแบบหลายคลาส โมเดลนี้รองรับจำนวนคลาสที่แตกต่างกันผ่านพารามิเตอร์ ทำให้ปรับใช้กับงานจำแนกหลายคลาสได้อย่างยืดหยุ่นในอนาคต

มีการ import แพ็กเกจ torch และ torch.nn ในชื่อ nn ไว้แล้ว โดยภาพทุกรูปมีขนาด 64x64 พิกเซล

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning สำหรับภาพด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดเมธอด __init__ โดยระบุ self และ num_classes เป็นพารามิเตอร์
  • สร้าง fully connected layer ที่รับ input ขนาด 16*32*32 และใช้ num_classes เป็น output
  • สร้างฟังก์ชัน activation แบบ softmax โดยกำหนด dim=1

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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 = ____(____)
แก้ไขและรันโค้ด