雙輸出模型架構
在這個練習中，你將建立一個多輸出的類神經網路架構，用來同時預測字元與字母表。
回顧一般結構：在 .__init__() 方法中，你會先定義稍後前向傳遞要用到的層。接著在 forward() 方法中，先把輸入影像傳過幾個層以取得其嵌入向量（embedding），再把這個嵌入向量分別送進兩個獨立的分類器層，各對應一個輸出。
torch.nn 已用慣用別名匯入，現在就來建立模型吧！
本練習屬於課程
Intermediate Deep Learning with PyTorch
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 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
____ = ____
____ = ____