卷积生成器

按照上一个视频中介绍的 DCGAN 准则，定义一个卷积生成器。

torch.nn 已预先以 nn 导入。同时提供了一个自定义函数 dc_gen_block()，它会返回一个由转置卷积、批归一化和 ReLU 激活组成的模块。该函数可作为构建卷积生成器的基础组件。您可以在下方查看 dc_gen_block() 的定义以便熟悉其用法。

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()
    )

本练习是课程的一部分

使用 PyTorch 进行图像深度学习

查看课程

练习说明

添加最后一个生成器模块，将特征图的通道数映射为 256。
添加一个输出通道数为 3 的转置卷积。
添加 tanh 激活。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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)

编辑并运行代码