Bắt đầu ngayBắt đầu miễn phí

Mô hình phân loại nhị phân

Là một người làm deep learning, một trong những nhiệm vụ chính của bạn là huấn luyện các mô hình phân loại ảnh. Bạn thường gặp các bài toán phân loại nhị phân, nơi cần phân biệt giữa hai lớp. Để chuẩn hóa quy trình và dễ tái sử dụng, bạn quyết định tạo một mẫu (template) cho mô hình CNN phân loại ảnh nhị phân, có thể áp dụng cho các dự án sau này.

Gói torchtorch.nn dưới tên nn đã được import. Tất cả ảnh đều có kích thước 64x64 pixel.

Bài tập này là một phần của khóa học

Deep Learning cho Ảnh với PyTorch

Xem khóa học

Hướng dẫn bài tập

  • Tạo một lớp tích chập với 3 kênh đầu vào, 16 kênh đầu ra, kích thước kernel là 3, stride bằng 1 và padding bằng 1.
  • Tạo một lớp kết nối đầy đủ với kích thước đầu vào là 16x32x32 và số lớp (classes) bằng 1; chỉ bao gồm các giá trị theo đúng thứ tự đã cho (16*32*32, 1).
  • Tạo một hàm kích hoạt sigmoid.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

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 = ____
Chỉnh sửa và Chạy Mã