Konvoluční generátor
Definuj konvoluční generátor podle pokynů DCGAN probíraných v poslední lekci.
torch.nn je pro tvoje pohodlí předimportován jako nn. K dispozici je také vlastní funkce dc_gen_block(), která vrací blok složený z transponované konvoluce, batch normalizace a aktivace ReLU. Tato funkce slouží jako základní stavební prvek konvolučního generátoru. S definicí dc_gen_block() se můžeš seznámit níže.
def dc_gen_block(in_dim, out_dim, kernel_size, stride):
return nn.Sequential(
nn.ConvTranspose2d(in_dim, out_dim, kernel_size, stride=stride),
nn.BatchNorm2d(out_dim),
nn.ReLU()
)
Toto cvičení je součástí kurzu
Deep Learning pro obrázky s PyTorchem
Pokyny k cvičení
- Přidej poslední blok generátoru, který namapuje velikost příznaků na
256. - Přidej transponovanou konvoluci s výstupní velikostí
3. - Přidej aktivaci tanh.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
class DCGenerator(nn.Module):
def __init__(self, in_dim, kernel_size=4, stride=2):
super(DCGenerator, self).__init__()
self.in_dim = in_dim
self.gen = nn.Sequential(
dc_gen_block(in_dim, 1024, kernel_size, stride),
dc_gen_block(1024, 512, kernel_size, stride),
# Add last generator block
____,
# Add transposed convolution
____(____, ____, kernel_size, stride=stride),
# Add tanh activation
____
)
def forward(self, x):
x = x.view(len(x), self.in_dim, 1, 1)
return self.gen(x)