Функция потерь дискриминатора

Пришло время определить функцию потерь для дискриминатора. Вспомните, что задача дискриминатора — классифицировать изображения как настоящие или сгенерированные. Дискриминатор несёт потери, если он принимает выходные данные генератора за настоящие (метка 1) или классифицирует реальные изображения как сгенерированные (метка 0).

Определите функцию disc_loss(), которая вычисляет функцию потерь дискриминатора. Она принимает пять аргументов:

gen — модель генератора
disc — модель дискриминатора
real — выборка реальных изображений из обучающих данных
num_images — количество изображений в батче
z_dim — размер входного случайного шума

Это упражнение является частью курса

Глубокое обучение для работы с изображениями на PyTorch

Посмотреть курс

Инструкции к упражнению

Используйте дискриминатор для классификации fake-изображений и присвойте предсказания переменной disc_pred_fake.
Вычислите компонент потерь для сгенерированных изображений, вызвав criterion с предсказаниями дискриминатора для этих изображений и тензором из нулей той же формы.
Используйте дискриминатор для классификации real-изображений и присвойте предсказания переменной disc_pred_real.
Вычислите компонент потерь для реальных изображений, вызвав criterion с предсказаниями дискриминатора для этих изображений и тензором из единиц той же формы.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

def disc_loss(gen, disc, real, num_images, z_dim):
    criterion = nn.BCEWithLogitsLoss()
    noise = torch.randn(num_images, z_dim)
    fake = gen(noise)
    # Get discriminator's predictions for fake images
    disc_pred_fake = ____
    # Calculate the fake loss component
    fake_loss = ____
    # Get discriminator's predictions for real images
    disc_pred_real = ____
    # Calculate the real loss component
    real_loss = ____
    disc_loss = (real_loss + fake_loss) / 2
    return disc_loss

Редактировать и запускать код