1. Nauka
    2. /
  2. Kursy
    3. /
  3. Głębokie uczenie dla obrazów z PyTorch
Connected

ćwiczenie

Dyskryminator

Po zdefiniowaniu generatora kolejnym krokiem w budowie GAN-u jest skonstruowanie dyskryminatora. Przyjmuje on wynik generatora jako dane wejściowe i zwraca binarną predykcję: czy podane dane są wygenerowane, czy rzeczywiste?

Moduł torch.nn jest już zaimportowany jako nn. Możesz też skorzystać z niestandardowej funkcji disc_block(), która zwraca blok złożony z warstwy liniowej i aktywacji LeakyReLU. Użyjesz jej jako elementu składowego dyskryminatora.

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

Instrukcje

100 XP
  • Dodaj ostatni blok dyskryminatora do modelu, podając odpowiedni rozmiar wejścia i rozmiar wyjścia równy 256.
  • Po ostatnim bloku dyskryminatora dodaj warstwę liniową, która mapuje wyjście do rozmiaru 1.
  • Zdefiniuj metodę forward() tak, aby przepuszczała wejściowy obraz przez blok sekwencyjny zdefiniowany w __init__().