构建生成器与判别器

在 PyBooks，您需要开发一个自动文本生成器，帮助作者缓解写作障碍。通过使用 GAN（Generative Adversarial Networks，生成对抗网络），您可以让一个网络（生成器）生成新文本，而另一个网络（判别器）评估其"真实性"。为此，您需要初始化生成器和判别器两个网络。随后，这两个网络将相互对抗训练，产出可信的新文本。

以下内容已为您导入：torch，以及将 torch.nn 导入为 nn。

本练习是课程的一部分

使用 PyTorch 的文本深度学习

查看课程

练习说明

定义 Generator 类，包含用于序列数据的线性层和 sigmoid 激活函数。
在 Generator 类的 forward() 方法中，将输入按定义的模型依次传递。
定义 Discriminator 类，使用相同的层与激活函数，并在设定维度时加以注意。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Define the generator class
class Generator(nn.Module):
    def __init__(self):
        super().__init__()
        self.model = nn.____(nn.____(____), nn.____())
    def forward(self, x):
        return self.____(x)

# Define the discriminator networks
class Discriminator(nn.Module):
    def __init__(self):
        super().__init__()
        self.model = nn.____(nn.____(____), nn.____())
    def forward(self, x):
        return self.model(x)

编辑并运行代码