卷積式產生器

依照上一支影片討論的 DCGAN 準則，定義一個卷積式產生器。

為了方便你，已經預先匯入 torch.nn 為 nn。另外也提供了一個自訂函式 dc_gen_block()，它會回傳由轉置卷積、批次正規化與 ReLU 活化函式組成的區塊。這個函式可作為建構卷積式產生器的基礎元件。你可以先熟悉下方 dc_gen_block() 的定義。

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()
    )

本練習屬於課程

使用 PyTorch 進行影像深度學習

檢視課程

練習說明

新增最後一個產生器區塊，將特徵圖的大小對應到 256。
新增一個輸出通道數為 3 的轉置卷積。
新增 tanh 活化函式。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

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)

編輯並執行程式碼