Generator splotowy
Zdefiniuj generator splotowy zgodnie z wytycznymi DCGAN omówionymi w poprzednim filmie.
torch.nn zostało wcześniej zaimportowane jako nn. Dostępna jest również niestandardowa funkcja dc_gen_block(), która zwraca blok złożony z transponowanej konwolucji, normalizacji wsadowej (batch norm) oraz aktywacji ReLU. Funkcja ta stanowi podstawowy element konstrukcji generatora splotowego. Jej definicję znajdziesz poniżej.
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()
)
To ćwiczenie jest częścią kursu
Głębokie uczenie dla obrazów z PyTorch
Instrukcje do ćwiczenia
- Dodaj ostatni blok generatora, mapując rozmiar map cech na
256. - Dodaj transponowaną konwolucję z rozmiarem wyjściowym
3. - Dodaj aktywację tanh.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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)