Discriminator

Dengan generator sudah didefinisikan, langkah berikutnya dalam membangun GAN adalah menyusun discriminator. Komponen ini mengambil keluaran dari generator sebagai masukan, lalu menghasilkan prediksi biner: apakah masukan tersebut hasil generasi atau nyata?

Anda akan menemukan torch.nn sudah diimpor untuk Anda sebagai nn. Anda juga dapat mengakses fungsi kustom disc_block() yang mengembalikan satu blok yang berisi layer linear diikuti aktivasi LeakyReLU. Anda akan menggunakannya sebagai blok penyusun untuk discriminator.

def disc_block(in_dim, out_dim):
    return nn.Sequential(
        nn.Linear(in_dim, out_dim),
        nn.LeakyReLU(0.2)
    )

Latihan ini adalah bagian dari kursus

Deep Learning untuk Gambar dengan PyTorch

Lihat Kursus

Petunjuk latihan

Tambahkan blok discriminator terakhir ke model, dengan ukuran masukan yang sesuai dan keluaran 256.
Setelah blok discriminator terakhir, tambahkan layer linear untuk memetakan keluaran ke ukuran 1.
Definisikan metode forward() untuk meneruskan citra masukan melalui blok berurutan yang didefinisikan di __init__().

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

class Discriminator(nn.Module):
    def __init__(self, im_dim):
        super(Discriminator, self).__init__()
        self.disc = nn.Sequential(
            disc_block(im_dim, 1024),
            disc_block(1024, 512),
            # Define last discriminator block
            ____,
            # Add a linear layer
            ____,
        )

    def forward(self, x):
        # Define the forward method
        ____

Edit dan Jalankan Kode