Generator Loss

ก่อนที่จะฝึก GAN ได้ จำเป็นต้องกำหนดฟังก์ชัน loss สำหรับทั้ง generator และ discriminator โดยจะเริ่มต้นด้วย generator ก่อน

จำไว้ว่างานของ generator คือการสร้างภาพปลอมที่สามารถหลอก discriminator ให้จำแนกภาพเหล่านั้นว่าเป็นภาพจริง ดังนั้น generator จะเกิด loss เมื่อ discriminator จำแนกภาพที่สร้างขึ้นว่าเป็นภาพปลอม (label 0)

กำหนดฟังก์ชัน gen_loss() สำหรับคำนวณ generator loss โดยรับอาร์กิวเมนต์ 4 ตัว ได้แก่

gen — โมเดล generator
disc — โมเดล discriminator
num_images — จำนวนภาพใน batch
z_dim — ขนาดของ random noise ที่ใช้เป็น input

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning สำหรับภาพด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง random noise ที่มีรูปร่างขนาด num_images คูณ z_dim แล้วกำหนดให้กับตัวแปร noise
ใช้ generator สร้างภาพปลอมจาก noise แล้วกำหนดให้กับตัวแปร fake
รับค่าการทำนายของ discriminator สำหรับภาพปลอมที่สร้างขึ้น
คำนวณ generator loss โดยเรียกใช้ criterion กับค่าการทำนายของ discriminator และ tensor ของเลข 1 ที่มีรูปร่างเดียวกัน

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

def gen_loss(gen, disc, criterion, num_images, z_dim):
    # Define random noise
    noise = ____(num_images, z_dim)
    # Generate fake image
    fake = ____
    # Get discriminator's prediction on the fake image
    disc_pred = ____
    # Compute generator loss
    criterion = nn.BCEWithLogitsLoss()
    gen_loss = ____(____, ____)
    return gen_loss

แก้ไขและรันโค้ด