Konvoluční diskriminátor

Teď, když máš generátor DCGAN připravený, zbývá před trénováním ještě definovat konvoluční diskriminátor.

torch.nn je importován pod obvyklým aliasem. K sestavení konvolučního diskriminátoru použiješ vlastní funkci gc_disc_block(), která vrací blok složený z konvoluce, batch normalizace a aktivační funkce Leaky ReLU. Definici funkce dc_disc_block() najdeš níže.

def dc_disc_block(in_dim, out_dim, kernel_size, stride):
    return nn.Sequential(
        nn.Conv2d(in_dim, out_dim, kernel_size, stride=stride),
        nn.BatchNorm2d(out_dim),
        nn.LeakyReLU(0.2),
    )

Toto cvičení je součástí kurzu

Deep Learning pro obrázky s PyTorchem

Zobrazit kurz

Pokyny k cvičení

Přidej první blok diskriminátoru pomocí vlastní funkce dc_disc_block() se 3 vstupními příznakových mapami a 512 výstupními příznakovými mapami.
Přidej konvoluční vrstvu s výstupní velikostí 1.
V metodě forward() předej vstup přes sekvenční blok definovaný v __init__().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

class DCDiscriminator(nn.Module):
    def __init__(self, kernel_size=4, stride=2):
        super(DCDiscriminator, self).__init__()
        self.disc = nn.Sequential(
          	# Add first discriminator block
            dc_disc_block(3, 512, kernel_size, stride),
            dc_disc_block(512, 1024, kernel_size, stride),
          	# Add a convolution
            nn.Conv2d(1024, 1, kernel_size, stride=stride),
        )

    def forward(self, x):
        # Pass input through sequential block
        x = ____
        return x.view(len(x), -1)

Upravit a spustit kód