Convolutional Generator

กำหนด convolutional generator ตามแนวทาง DCGAN ที่ได้เรียนไปในวิดีโอที่แล้ว

torch.nn ถูก import ไว้แล้วในชื่อ nn เพื่อความสะดวก นอกจากนี้ยังมีฟังก์ชันสำเร็จรูป dc_gen_block() ซึ่งคืนค่าบล็อกที่ประกอบด้วย transposed convolution, batch norm และ ReLU activation ฟังก์ชันนี้ทำหน้าที่เป็นส่วนประกอบพื้นฐานสำหรับสร้าง convolutional generator ดูนิยามของ dc_gen_block() ได้ด้านล่าง

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()
    )

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning สำหรับภาพด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

เพิ่มบล็อกสุดท้ายของ generator โดยกำหนดขนาด feature map เป็น 256
เพิ่ม transposed convolution ที่มีขนาด output เป็น 3
เพิ่ม tanh activation

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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)

แก้ไขและรันโค้ด