인프런 커뮤니티 질문&답변

안녕하세요! 오토인코더 구현 중 질문이 있어서 글을 남기게 되었습니다.

class AutoEncoder(nn.Module):

  def __init__(self):
    super().__init__()

    k = 16
    self.encoder = nn.Sequential(
        nn.Conv2d(1, k, 3, stride=2),
        nn.ReLU(),
        nn.Conv2d(k, 2*k, 3, stride=2),
        nn.ReLU(),
        nn.Conv2d(2*k, 4*k, 3, stride=1),
        nn.ReLU(),
        nn.Flatten(),
        nn.Linear(1024, 10),
        nn.ReLU()
    )

    self.decoder = nn.Sequential(
        nn.Linear(10, 1024),
        nn.ReLU(),
        nn.Unflatten(1, (4*k, 4, 4)),
        nn.ConvTranspose2d(4*k, 2*k, 3, stride=1),
        nn.ReLU(),
        nn.ConvTranspose2d(2*k, k, 3, stride=2),
        nn.ReLU(),
        nn.ConvTranspose2d(k, 1, 3, stride=2, output_padding=1)
    )

여기에서 nn.Linear(1024, 10), nn.ConvTranspose2d(k, 1, 3, stride=2, output_padding=1)에 질문이 있습니다.

채널 수를 직접 맞춰주는 것이 아니라 반환 받아서 그 값을 nn.Linear(이 부분, 10)에 넣어주고 싶은데 gpt 한테 물어보니까 그러려면 이렇게 직접 구해서 add_module을 해줘야 한다던데...

정말 이런 방법 뿐인지ㅜㅜ 매번 채널수를 직접 구해야 하는 것인지 궁금합니다!

def __init__(self, input_shape=(1, 28, 28)):
    super().__init__()

    k = 16
    self.encoder = nn.Sequential(
        nn.Conv2d(1, k, 3, stride=2),
        nn.ReLU(),
        nn.Conv2d(k, 2*k, 3, stride=2),
        nn.ReLU(),
        nn.Conv2d(2*k, 4*k, 3, stride=1),
        nn.ReLU(),
        nn.Flatten(),
    )
    self.latent_dim = self.get_encoder_dim()
    self.encoder.add_module('linear', nn.Linear(self.latent_dim, 10))
    self.encoder.add_module('relu', nn.ReLU())

def get_encoder_dim(self):
    x = torch.randn(1, self.input_shape)
    x = self.encoder(x)
    return x.view(1, -1).size(1)

nn.ConvTranspose2d(k, 1, 3, stride=2, output_padding=1) 여기에서도 output_padding=1이 필요한지 알기 위해서는 직접 계산을 다 해봤어야 하는 것인데.. 이것도 위의 경우와 마찬가지로 직접 구하는 방법 뿐인지 알고 싶습니다!

감사합니다!