class Generator(nn.Module): def __init__(self): super(Generator, self).__init__() self.net = nn.Sequential( self._block(opt.CHANNELS, 32, kernel_size=3, stride=1, padding=1), # img: 3 x 3 self._block(32, 64, kernel_size=3, stride=1, padding=1), # img: 6 x 6 nn.Conv2d(64, 1, kernel_size=(4, 3), stride=(1, 1), padding=(1, 1)), # 1 x 24 nn.Tanh() ) def _block(self, in_channels, out_channels, kernel_size, stride, padding): return nn.Sequential( nn.Conv2d(in_channels, out_channels, kernel_size=kernel_size, stride=stride, padding=padding), nn.BatchNorm2d(out_channels), nn.LeakyReLU(0.2), ) def forward(self, z): o = self.net(z) return o

这段代码是一个 PyTorch 模型的定义，它定义了一个名为 Generator 的类，继承自 nn.Module。该模型是用于生成图像的，其中包含一个由三个卷积层组成的序列 self.net，每个卷积层都包含一个卷积层、一个批归一化层和一个 LeakyReLU 激活函数。该模型的输入是一个噪声向量 z，输出是一个生成的图像。具体来说，输入的噪声向量 z 经过 self.net 的处理后，最终经过一个 Tanh 激活函数得到生成的图像。