Сверточный генератор
Определите сверточный генератор в соответствии с принципами DCGAN, рассмотренными в последнем видео.
Модуль torch.nn уже импортирован как nn для вашего удобства. Кроме того, доступна вспомогательная функция dc_gen_block(), которая возвращает блок из транспонированной свёртки, пакетной нормализации и активации ReLU. Эта функция служит основным строительным блоком для создания сверточного генератора. С определением dc_gen_block() можно ознакомиться ниже.
def dc_gen_block(in_dim, out_dim, kernel_size, stride):
return nn.Sequential(
nn.ConvTranspose2d(in_dim, out_dim, kernel_size, stride=stride),
nn.BatchNorm2d(out_dim),
nn.ReLU()
)
Это упражнение является частью курса
Глубокое обучение для работы с изображениями на PyTorch
Инструкции к упражнению
- Добавьте последний блок генератора, задав размер карт признаков равным
256. - Добавьте транспонированную свёртку с размером выхода
3. - Добавьте активацию tanh.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
class DCGenerator(nn.Module):
def __init__(self, in_dim, kernel_size=4, stride=2):
super(DCGenerator, self).__init__()
self.in_dim = in_dim
self.gen = nn.Sequential(
dc_gen_block(in_dim, 1024, kernel_size, stride),
dc_gen_block(1024, 512, kernel_size, stride),
# Add last generator block
____,
# Add transposed convolution
____(____, ____, kernel_size, stride=stride),
# Add tanh activation
____
)
def forward(self, x):
x = x.view(len(x), self.in_dim, 1, 1)
return self.gen(x)