ПочатиПочніть безкоштовно

Архітектура моделі з двома виходами

У цій вправі ви побудуєте архітектуру багатовихідної нейронної мережі, яка вміє прогнозувати і символ, і абетку.

Згадайте загальну структуру: у методі .__init__() ви визначаєте шари, які згодом використовуватимуться у прямому проході. У методі forward() ви спочатку пропустите вхідне зображення через кілька шарів, щоб отримати його вкладення (embedding — векторне представлення). Потім це вкладення подається на два окремі класифікатори — по одному для кожного виходу.

torch.nn вже імпортовано під звичним псевдонімом, тож створімо модель!

Ця вправа є частиною курсу

Середній рівень Deep Learning з PyTorch

Переглянути курс

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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
        ____ = ____
        ____ = ____
Редагувати та запускати код