多類別分類模型

在已經有二元分類模型樣板的基礎上，現在把它延伸為多類別分類模型。這個模型應該能透過參數處理不同的類別數，讓你未來可以依據特定的多類別分類任務來調整模型。

torch 與 torch.nn（簡寫為 nn）已匯入。所有影像大小皆為 64x64 像素。

本練習屬於課程

使用 PyTorch 進行影像深度學習

檢視課程

練習說明

定義 __init__ 方法，參數包含 self 與 num_classes。
建立一個全連接層（fully connected layer），輸入大小為 16*32*32，輸出為類別數 num_classes。
建立啟用函式 softmax，並設定 dim=1。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

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 = ____(____)

編輯並執行程式碼