卷积判别器

DCGAN 的生成器已就绪，在开始训练前的最后一步是定义卷积判别器。

torch.nn 已按常用别名为您导入。要构建卷积判别器，您将使用自定义的 gc_disc_block() 函数，它返回一个由卷积、批归一化和 Leaky ReLU 激活依次组成的模块。您可以在下方查看 dc_disc_block() 的定义。

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

使用自定义的 dc_disc_block() 添加第一个判别器模块，输入特征图为 3，输出特征图为 512。
添加一个输出大小为 1 的卷积层。
在 forward() 方法中，将输入依次传入您在 __init__() 中定义的顺序块。

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 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)

编辑并运行代码