多类别分类模型

在已有的二分类模型模板基础上，您现在可以将其扩展为多类别分类模型。模型应通过参数来处理不同的类别数量，这样今后就能针对具体的多类别分类任务进行定制。

torch 和 torch.nn（简称 nn）已导入。所有图像大小均为 64x64 像素。

本练习是课程的一部分

使用 PyTorch 进行图像深度学习

查看课程

练习说明

定义 __init__ 方法，参数包括 self 和 num_classes。
创建一个全连接层，输入尺寸为 16*32*32，输出为类别数 num_classes。
使用 dim=1 创建名为 softmax 的激活函数。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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 = ____(____)

编辑并运行代码