使用 PyTorch 实现 GAN 的简单例子

下面是使用 PyTorch 实现 GAN 的简单例子。这里假设你已经了解了 GAN 的基本原理，并且安装了 PyTorch。

首先，我们需要定义生成器和判别器。生成器是一个神经网络，它接收随机噪声作为输入，并输出假的图像。判别器是另一个神经网络，它接收图像作为输入，并输出一个值，表示这张图像是否是真实的。

import torch
import torch.nn as nn
import torch.optim as optim

class Generator(nn.Module):
    def __init__(self, latent_dim, img_shape):
        super().__init__()
        self.img_shape = img_shape

        self.model = nn.Sequential(
            # 输入为随机噪声, 输出为 (batch_size, 128, 4, 4)
            nn.Linear(latent_dim, 128 * 4 * 4),
            nn.BatchNorm1d(128 * 4 * 4),
            nn.LeakyReLU(0.01),
            nn.Reshape(128, 4, 4),
            # 输出为 (batch_size, 128, 8, 8)
            nn.ConvTranspose2d(128, 128, 4, 2, 1),
            nn.BatchNorm2d(128),
            nn.LeakyReLU(0.01),
            # 输出为 (batch_size, 128, 16, 16)
            nn.ConvTranspose2d(128, 128, 4, 2, 1),
            nn.BatchNorm2d(128),
            nn.LeakyReLU(0.01),
            # 输出为 (batch_size, 3, 32, 32)
            nn.ConvTranspose2d(128, 3, 4, 2, 1),
            nn.Tanh()
        )

    def forward(self, z):
        return self.model(z)

class Discriminator(nn.Module):
    def __init__(self, img_shape):
        super().__init__()
        self.model = nn.Sequential(
            # 输入为 (batch_size, 3, 32, 32)
            nn.Conv2d(3, 128, 4, 2, 1),