Construindo um gerador e um discriminador

Na PyBooks, você ficou responsável por trabalhar em um gerador automático de texto para ajudar escritores a superar o bloqueio criativo. Usando GANs, ou Generative Adversarial Networks, você acredita que pode criar um sistema em que uma rede, o gerador, cria novos textos, enquanto a outra, o discriminador, avalia sua autenticidade. Para isso, você precisa inicializar tanto a rede geradora quanto a discriminadora. Essas redes serão então treinadas uma contra a outra para gerar textos novos e convincentes.

O seguinte já foi importado para você: torch, torch.nn como nn.

Este exercício faz parte do curso

Deep Learning para Texto com PyTorch

Ver curso

Instruções do exercício

Defina a classe Generator com uma camada linear para dados sequenciais e uma função de ativação sigmoid.
Passe a entrada pelo modelo definido no método forward() da classe Generator.
Defina uma classe Discriminator com as mesmas camadas e função de ativação, tomando cuidado ao definir as dimensões.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Define the generator class
class Generator(nn.Module):
    def __init__(self):
        super().__init__()
        self.model = nn.____(nn.____(____), nn.____())
    def forward(self, x):
        return self.____(x)

# Define the discriminator networks
class Discriminator(nn.Module):
    def __init__(self):
        super().__init__()
        self.model = nn.____(nn.____(____), nn.____())
    def forward(self, x):
        return self.model(x)

Editar e executar o código