Generator
Generator ของ GAN รับเวกเตอร์ noise แบบสุ่มเป็นอินพุต แล้วสร้างภาพขึ้นมา เพื่อให้โครงสร้างโมเดลนำกลับมาใช้ซ้ำได้ง่าย เราจะส่งทั้งขนาดอินพุตและเอาต์พุตเป็น parameter ซึ่งทำให้สามารถใช้โมเดลเดิมกับ noise ขนาดต่างกัน และสร้างภาพที่มีขนาดหลากหลายได้
torch.nn ถูก import ไว้ให้แล้วในชื่อ nn นอกจากนี้ยังมีฟังก์ชัน gen_block() ที่กำหนดไว้ให้ ซึ่งจะคืนค่าบล็อกประกอบด้วย linear layer, batch norm และ ReLU activation ให้ใช้เป็น building block สำหรับ generator
def gen_block(in_dim, out_dim):
return nn.Sequential(
nn.Linear(in_dim, out_dim),
nn.BatchNorm1d(out_dim),
nn.ReLU(inplace=True)
)
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Deep Learning สำหรับภาพด้วย PyTorch
คำแนะนำการฝึกหัด
- กำหนด
self.generatorเป็นโมเดลแบบ sequential - หลัง
gen_blockตัวสุดท้าย ให้เพิ่ม linear layer ที่มีขนาดอินพุตที่เหมาะสม และขนาดเอาต์พุตเป็นout_dim - เพิ่ม sigmoid activation ต่อจาก linear layer
- ใน method
forward()ให้ส่งอินพุตของโมเดลผ่านself.generator
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
class Generator(nn.Module):
def __init__(self, in_dim, out_dim):
super(Generator, self).__init__()
# Define generator block
self.generator = ____(
gen_block(in_dim, 256),
gen_block(256, 512),
gen_block(512, 1024),
# Add linear layer
____
# Add activation
____
)
def forward(self, x):
# Pass input through generator
return ____