Discriminator

생성기가 정의되었으니, 다음 단계는 GAN의 Discriminator를 만드는 일이에요. Discriminator는 생성기의 출력을 입력으로 받아, 그 입력이 생성된 것인지 실제인지를 이진 분류로 예측해요.

torch.nn은 이미 nn으로 임포트되어 있어요. 또한, 선형 레이어에 이어서 LeakyReLU 활성화를 적용한 블록을 반환하는 커스텀 disc_block() 함수도 사용할 수 있어요. Discriminator를 구성하는 기본 블록으로 활용할 거예요.

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

이 연습은 강의의 일부입니다

PyTorch로 배우는 이미지 딥러닝

강의 보기

연습 안내

알맞은 입력 크기와 256의 출력을 갖도록 마지막 Discriminator 블록을 모델에 추가하세요.
마지막 Discriminator 블록 뒤에, 출력을 크기 1로 매핑하는 선형 레이어를 추가하세요.
__init__()에서 정의한 순차 블록을 통해 입력 이미지를 전달하도록 forward() 메서드를 정의하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

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
        ____

코드 편집 및 실행