畳み込み型 Discriminator
DCGAN の generator が用意できたので、学習に進む前の最後のステップとして、畳み込み型の discriminator を定義します。
torch.nn は通常のエイリアスでインポート済みです。畳み込み型 discriminator を構築するために、畳み込み、バッチ正規化、Leaky ReLU 活性化を順に返すカスタム関数 gc_disc_block() を使います。以下で dc_disc_block() の定義を確認できます。
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),
)
この演習はコースの一部です
PyTorch で学ぶ画像向け Deep Learning
演習の手順
- 最初の discriminator ブロックを、カスタム関数
dc_disc_block()を使って追加し、入力特徴マップを3、出力特徴マップを512にしてください。 - 出力サイズが
1の畳み込み層を追加してください。 forward()メソッドでは、__init__()で定義したシーケンシャルブロックに入力を通してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
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)