𝐶1 𝑇 (𝑛) = Conv2DTranspose(𝑛, ‘‘same’’) → BN → tanh,如何用pytorch实现

在 PyTorch 中，可以使用 `nn.ConvTranspose2d` 实现转置卷积，使用 `nn.BatchNorm2d` 实现批量归一化，使用 `nn.Tanh` 实现双曲正切激活函数。下面是使用 PyTorch 实现 C1T(n) 的示例代码：

import torch.nn as nn

class C1T(nn.Module):
    def __init__(self, n):
        super().__init__()
        self.conv_transpose = nn.ConvTranspose2d(n, n, kernel_size=3, stride=1, padding=1)
        self.bn = nn.BatchNorm2d(n)
        self.tanh = nn.Tanh()

    def forward(self, x):
        x = self.conv_transpose(x)
        x = self.bn(x)
        x = self.tanh(x)
        return x

在上面的代码中，我们首先定义了一个 `C1T` 类，该类继承自 `nn.Module`。在 `__init__` 方法中，我们定义了一个转置卷积层 `nn.ConvTranspose2d`，一个批量归一化层 `nn.BatchNorm2d` 和一个双曲正切激活函数 `nn.Tanh`。在 `forward` 方法中，我们按照 C1T(n) 的定义顺序将输入 x 依次经过转置卷积层、批量归一化层和双曲正切激活函数，并返回输出结果。