如何搭建指定结构的生成器神经网络 附PyTorch代码求校验

你提供的代码存在多处错误，不符合给定的生成器网络结构要求，具体问题和修正方案如下：

现存问题 #

• 基础语法错误：两处nn.BatchNorm2d(1)语句末尾都缺失逗号分隔符，代码会直接触发语法报错，无法运行。
• 归一化层使用错误：
  1. 层类型选错：BatchNorm2d仅适用于卷积层输出的二维特征图场景，要求输入张量为4维形状(批次大小, 通道数, 特征高, 特征宽)；全连接层输出是2维张量(批次大小, 神经元数)，没有空间维度，必须使用适配一维特征的BatchNorm1d。
  2. 参数传错：BatchNorm层的参数需要匹配当前层的输出特征数，两个隐层全连接层都输出100维特征，BN层参数应该设为100，而非1。
• 输出层说明：题目没有对输出层指定归一化、激活函数要求，因此你最后一层写nn.Linear(100, n_outputs)的逻辑是符合结构要求的。如果是GAN生成器场景，可根据生成数据的取值范围补充对应激活：比如生成[0,1]范围的图像像素加nn.Sigmoid()，生成[-1,1]范围的数据加nn.Tanh()，题目无特殊说明时不需要额外添加。

修正后符合要求的代码 #

import torch.nn as nn

generator = nn.Sequential(
    # 第一个隐层块：全连接+BN+ReLU
    nn.Linear(n_inputs, 100),
    nn.BatchNorm1d(100),
    nn.ReLU(),
    # 第二个隐层块：全连接+BN+ReLU
    nn.Linear(100, 100),
    nn.BatchNorm1d(100),
    nn.ReLU(),
    # 输出层
    nn.Linear(100, n_outputs)
)

内容的提问来源于stack exchange，提问作者user458