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

ćwiczenie

Konwolucyjny dyskryminator

Generator DCGAN jest już gotowy – teraz czas zdefiniować konwolucyjny dyskryminator, a następnie przejść do trenowania sieci.

torch.nn jest zaimportowany pod standardowym aliasem. Do zbudowania konwolucyjnego dyskryminatora skorzystasz z niestandardowej funkcji dc_disc_block(), która zwraca blok złożony z warstwy konwolucyjnej, normalizacji wsadowej (batch norm) oraz aktywacji leaky ReLU. Definicję funkcji dc_disc_block() znajdziesz poniżej.

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),
    )

Instrukcje

100 XP
  • Dodaj pierwszy blok dyskryminatora, używając funkcji dc_disc_block() z 3 wejściowymi mapami cech i 512 wyjściowymi mapami cech.
  • Dodaj warstwę konwolucyjną z rozmiarem wyjściowym 1.
  • W metodzie forward() przepuść dane wejściowe przez blok sekwencyjny zdefiniowany w __init__().