建構 U-Net：forward 方法
在已定義編碼器與解碼器層之後，現在你可以實作 U-Net 的 forward() 方法。輸入已經替你通過編碼器。不過，你需要定義最後一個解碼器區塊。
解碼器的目標是將特徵圖上採樣，使其輸出在高度與寬度上與 U-Net 的輸入影像相同。這樣你就能得到像素層級的語意遮罩。
本練習屬於課程
使用 PyTorch 進行影像深度學習
練習說明
- 定義最後一個解碼器區塊，使用
torch.cat()形成跳接（skip connection）。
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 forward(self, x):
x1 = self.enc1(x)
x2 = self.enc2(self.pool(x1))
x3 = self.enc3(self.pool(x2))
x4 = self.enc4(self.pool(x3))
x = self.upconv3(x4)
x = torch.cat([x, x3], dim=1)
x = self.dec1(x)
x = self.upconv2(x)
x = torch.cat([x, x2], dim=1)
x = self.dec2(x)
# Define the last decoder block with skip connections
x = ____
x = ____
x = ____
return self.out(x)