Vòng lặp huấn luyện

Cuối cùng thì mọi công sức bạn bỏ ra để định nghĩa kiến trúc mô hình và hàm loss cũng đã đến lúc phát huy: đến giờ huấn luyện rồi! Nhiệm vụ của bạn là triển khai và chạy vòng lặp huấn luyện GAN. Lưu ý: một lệnh break được đặt sau batch dữ liệu đầu tiên để tránh thời gian chạy quá lâu.

Hai bộ tối ưu disc_opt và gen_opt đã được khởi tạo bằng bộ tối ưu Adam(). Các hàm tính loss mà bạn đã định nghĩa trước đó, gen_loss() và disc_loss(), đã sẵn sàng để dùng. Một dataloader cũng đã được chuẩn bị cho bạn.

Nhắc lại rằng:

Tham số của disc_loss() là: gen, disc, real, cur_batch_size, z_dim.
Tham số của gen_loss() là: gen, disc, cur_batch_size, z_dim.

Bài tập này là một phần của khóa học

Deep Learning cho Ảnh với PyTorch

Xem khóa học

Hướng dẫn bài tập

Tính loss của discriminator dùng disc_loss() bằng cách truyền lần lượt generator, discriminator, mẫu ảnh thật, kích thước batch hiện tại, và kích thước nhiễu là 16, rồi gán kết quả vào d_loss.
Tính gradient từ d_loss.
Tính loss của generator dùng gen_loss() bằng cách truyền lần lượt generator, discriminator, kích thước batch hiện tại, và kích thước nhiễu là 16, rồi gán kết quả vào g_loss.
Tính gradient từ g_loss.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

for epoch in range(1):
    for real in dataloader:
        cur_batch_size = len(real)
        
        disc_opt.zero_grad()
        # Calculate discriminator loss
        d_loss = ____
        # Compute gradients
        ____
        disc_opt.step()

        gen_opt.zero_grad()
        # Calculate generator loss
        g_loss = ____
        # Compute generator gradients
        ____
        gen_opt.step()

        print(f"Generator loss: {g_loss}")
        print(f"Discriminator loss: {d_loss}")
        break

Chỉnh sửa và Chạy Mã