Свёрточный дискриминатор

Генератор DCGAN готов. Прежде чем приступить к обучению, осталось определить свёрточный дискриминатор.

torch.nn уже импортирован под стандартным псевдонимом. Для построения свёрточного дискриминатора используйте вспомогательную функцию gc_disc_block(), которая возвращает блок из свёрточного слоя, батч-нормализации и активации Leaky ReLU. Определение функции dc_disc_block() приведено ниже.

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),
    )

Это упражнение является частью курса

Глубокое обучение для работы с изображениями на PyTorch

Посмотреть курс

Инструкции к упражнению

Добавьте первый блок дискриминатора с помощью функции dc_disc_block(), указав 3 входных карты признаков и 512 выходных карт признаков.
Добавьте свёрточный слой с размером выхода 1.
В методе forward() передайте входные данные через последовательный блок, определённый в __init__().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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)

Редактировать и запускать код