Discriminator convoluțional

Acum că generatorul DCGAN este gata, ultimul pas înainte de a trece la antrenare este să definești discriminatorul convoluțional.

torch.nn este importat cu aliasul său obișnuit. Pentru a construi discriminatorul convoluțional, vei folosi funcția personalizată gc_disc_block(), care returnează un bloc format dintr-un strat de convoluție, urmat de o normalizare batch și activarea leaky ReLU. Poți consulta definiția lui dc_disc_block() mai jos.

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),
    )

Acest exercițiu face parte din cursul

Deep Learning pentru imagini cu PyTorch

Vezi cursul

Instrucțiuni pentru exercițiu

Adaugă primul bloc al discriminatorului folosind funcția personalizată dc_disc_block(), cu 3 hărți de caracteristici la intrare și 512 la ieșire.
Adaugă stratul convoluțional cu dimensiunea ieșirii egală cu 1.
În metoda forward(), transmite intrarea prin blocul secvențial definit în __init__().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

class DCDiscriminator(nn.Module):
    def __init__(self, kernel_size=4, stride=2):
        super(DCDiscriminator, self).__init__()
        self.disc = nn.Sequential(
          	# Add first discriminator block
            dc_disc_block(3, 512, kernel_size, stride),
            dc_disc_block(512, 1024, kernel_size, stride),
          	# Add a convolution
            nn.Conv2d(1024, 1, kernel_size, stride=stride),
        )

    def forward(self, x):
        # Pass input through sequential block
        x = ____
        return x.view(len(x), -1)

Editează și rulează codul