卷積式判別器

在 DCGAN 的產生器已經就緒後，要開始訓練前的最後一步，就是定義卷積式判別器。

torch.nn 已經以慣用別名幫你匯入。為了建立卷積式判別器，你會使用自訂的 gc_disc_block() 函式，它會回傳由「卷積層 → 批次正規化 → Leaky ReLU 活化函式」組成的模組。你可以在下方查看 dc_disc_block() 的定義。

def dc_disc_block(in_dim, out_dim, kernel_size, stride):
    return nn.Sequential(
        nn.Conv2d(in_dim, out_dim, kernel_size, stride=stride),
        nn.BatchNorm2d(out_dim),
        nn.LeakyReLU(0.2),
    )

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

使用自訂的 dc_disc_block() 加上第一個判別器區塊，輸入特徵圖為 3，輸出特徵圖為 512。
新增輸出大小為 1 的卷積層。
在 forward() 方法中，將輸入傳入你在 __init__() 中定義的順序模組。

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 DCDiscriminator(nn.Module):
    def __init__(self, kernel_size=4, stride=2):
        super(DCDiscriminator, self).__init__()
        self.disc = nn.Sequential(
          	# Add first discriminator block
            dc_disc_block(3, 512, kernel_size, stride),
            dc_disc_block(512, 1024, kernel_size, stride),
          	# Add a convolution
            nn.Conv2d(1024, 1, kernel_size, stride=stride),
        )

    def forward(self, x):
        # Pass input through sequential block
        x = ____
        return x.view(len(x), -1)

編輯並執行程式碼