Pierderea generatorului

Înainte de a putea antrena GAN-ul, trebuie să definești funcții de pierdere atât pentru generator, cât și pentru discriminator. Vei începe cu primul.

Amintește-ți că rolul generatorului este să producă imagini false care să îl păcălească pe discriminator să le clasifice drept reale. Prin urmare, generatorul înregistrează o pierdere dacă imaginile pe care le-a generat sunt clasificate de discriminator ca false (eticheta 0).

Definește funcția gen_loss(), care calculează pierderea generatorului. Aceasta primește patru argumente:

gen, modelul generator
disc, modelul discriminator
num_images, numărul de imagini din lot
z_dim, dimensiunea zgomotului aleatoriu de intrare

Acest exercițiu face parte din cursul

Deep Learning pentru imagini cu PyTorch

Vezi cursul

Instrucțiuni pentru exercițiu

Generează zgomot aleatoriu cu forma num_images pe z_dim și atribuie-l variabilei noise.
Folosește generatorul pentru a crea o imagine falsă din noise și atribuie-o variabilei fake.
Obține predicția discriminatorului pentru imaginea falsă generată.
Calculează pierderea generatorului apelând criterion cu predicțiile discriminatorului și un tensor de unu cu aceeași formă.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

def gen_loss(gen, disc, criterion, num_images, z_dim):
    # Define random noise
    noise = ____(num_images, z_dim)
    # Generate fake image
    fake = ____
    # Get discriminator's prediction on the fake image
    disc_pred = ____
    # Compute generator loss
    criterion = nn.BCEWithLogitsLoss()
    gen_loss = ____(____, ____)
    return gen_loss

Editează și rulează codul