Discriminador
Com o gerador definido, o próximo passo para construir uma GAN é montar o discriminador. Ele recebe a saída do gerador como entrada e produz uma predição binária: a entrada foi gerada ou é real?
Você já encontrará torch.nn importado como nn. Você também pode acessar uma função personalizada disc_block() que retorna um bloco com uma camada linear seguida de uma ativação LeakyReLU. Você vai usá-la como bloco de construção do discriminador.
def disc_block(in_dim, out_dim):
return nn.Sequential(
nn.Linear(in_dim, out_dim),
nn.LeakyReLU(0.2)
)
Este exercício faz parte do curso
Deep Learning para Imagens com PyTorch
Instruções do exercício
- Adicione o último bloco do discriminador ao modelo, com o tamanho de entrada apropriado e saída de
256. - Depois do último bloco do discriminador, adicione uma camada linear para mapear a saída para o tamanho
1. - Defina o método
forward()para passar a imagem de entrada pelo bloco sequencial definido em__init__().
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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
____