합성곱 기반 Generator

지난 영상에서 다룬 DCGAN 가이드라인에 따라 합성곱 기반 generator를 정의하세요.

편의를 위해 torch.nn은 이미 nn으로 임포트되어 있어요. 또한 사용자 정의 함수 dc_gen_block()을 제공해 드렸으며, 이 함수는 전치 합성곱, 배치 정규화, ReLU 활성화를 묶은 블록을 반환합니다. 이 함수는 합성곱 generator를 구성하기 위한 기본 구성 요소로 사용돼요. 아래에서 dc_gen_block()의 정의를 확인해 보세요.

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()
    )

이 연습은 강의의 일부입니다

PyTorch로 배우는 이미지 딥러닝

강의 보기

연습 안내

마지막 generator 블록을 추가하여 feature map의 크기를 256으로 매핑하세요.
출력 채널 크기가 3인 전치 합성곱을 추가하세요.
tanh 활성화를 추가하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

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)

코드 편집 및 실행