Page 33 -

코드 13-3 네트워크(신경망) 생성
class Encoder(nn.Module): 인코더 네트워크 생성
def __init__(self, encoded_space_dim,fc2_input_dim):
super().__init__()

self.encoder_cnn = nn.Sequential(
nn.Conv2d(1, 8, 3, stride=2, padding=1),
nn.ReLU(True),
nn.Conv2d(8, 16, 3, stride=2, padding=1),
nn.BatchNorm2d(16),
nn.ReLU(True),
nn.Conv2d(16, 32, 3, stride=2, padding=0),
nn.ReLU(True)
) 이미지 데이터셋 처리를 위해 합성곱 신경망 이용

self.flatten = nn.Flatten(start_dim=1) 완전연결층
self.encoder_lin = nn.Sequential(
nn.Linear(3 * 3 * 32, 128),
nn.ReLU(True),
nn.Linear(128, encoded_space_dim)
) 출력 계층

def forward(self, x):
x = self.encoder_cnn(x)
x = self.flatten(x)
x = self.encoder_lin(x)
return x

class Decoder(nn.Module): 디코더 네트워크 생성
def __init__(self, encoded_space_dim, fc2_input_dim):
super().__init__()
self.decoder_lin = nn.Sequential(
nn.Linear(encoded_space_dim, 128),
nn.ReLU(True),
nn.Linear(128, 3 * 3 * 32),
nn.ReLU(True)
) 인코더의 출력을 디코더의 입력으로 사용

self.unflatten = nn.Unflatten(dim=1,
unflattened_size=(32, 3, 3)) 인코더의 완전연결층에 대응
self.decoder_conv = nn.Sequential(
nn.ConvTranspose2d(32, 16, 3,
stride=2, output_padding=0),

688