生成器損失
在訓練 GAN 之前，你需要為生成器與辨別器各自定義損失函式。你會先從前者開始。
回想一下，生成器的工作是產生足以欺騙辨別器的假影像，讓辨別器把它們判為真。因此，若辨別器將生成器產生的影像判為假（標籤 0），生成器就會承受損失。
請定義 gen_loss() 函式來計算生成器的損失。它需要四個參數：
gen：生成器模型disc：辨別器模型num_images：批次中的影像數量z_dim：輸入隨機雜訊的維度
本練習屬於課程
使用 PyTorch 進行影像深度學習
練習說明
- 產生形狀為
num_images乘以z_dim的隨機雜訊，指派給noise。 - 使用生成器將
noise轉成假影像，指派給fake。 - 取得辨別器對產生之假影像的預測。
- 呼叫
criterion，以辨別器的預測與相同形狀的全 1 張量計算生成器的損失。
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。
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