双输出模型架构
在本练习中，您将构建一个多输出神经网络架构，用于同时预测字母表和字符。
回顾通用结构：在 .__init__() 方法中，您定义后续前向传播会用到的各层。在 forward() 方法中，先将输入图像依次通过若干层得到其嵌入向量（embedding），再将该嵌入分别送入两个独立的分类器层，每个输出对应一个分类器。
torch.nn 已按常用别名导入，现在让我们来构建模型吧！
本练习是课程的一部分
PyTorch 深度学习进阶
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 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
____ = ____
____ = ____