update gan example code

Author: keon

09-경쟁하며_학습하는_GAN/gan.ipynb

@@ -72,17 +72,20 @@
    "outputs": [],
    "source": [
     "# Fashion MNIST 데이터셋\n",
-    "trainset = datasets.FashionMNIST('./.data',\n",
+    "trainset = datasets.FashionMNIST(\n",
+    "    './.data',\n",
     "    train=True,\n",
     "    download=True,\n",
     "    transform=transforms.Compose([\n",
     "       transforms.ToTensor(),\n",
     "       transforms.Normalize((0.5,), (0.5,))\n",
-    "    ]))\n",
+    "    ])\n",
+    ")\n",
     "train_loader = torch.utils.data.DataLoader(\n",
     "    dataset     = trainset,\n",
     "    batch_size  = BATCH_SIZE,\n",
-    "    shuffle     = True)"
+    "    shuffle     = True\n",
+    ")"
    ]
   },
   {
@@ -722,9 +725,12 @@
     "        d_loss_fake = criterion(outputs, fake_labels)\n",
     "        fake_score = outputs\n",
     "        \n",
-    "        # 진짜와 가짜 이미지를 갖고 낸 오차를 더해서 판별자의 오차를 계산 후 학습\n",
+    "        # 진짜와 가짜 이미지를 갖고 낸 오차를 더해서 판별자의 오차 계산\n",
     "        d_loss = d_loss_real + d_loss_fake\n",
+    "\n",
+    "        # 역전파 알고리즘으로 판별자 모델의 학습을 진행\n",
     "        d_optimizer.zero_grad()\n",
+    "        g_optimizer.zero_grad()\n",
     "        d_loss.backward()\n",
     "        d_optimizer.step()\n",
     "        \n",

09-경쟁하며_학습하는_GAN/gan.py

@@ -30,17 +30,20 @@
 # 학습에 필요한 데이터셋을 로딩합니다. 
 
 # Fashion MNIST 데이터셋
-trainset = datasets.FashionMNIST('./.data',
+trainset = datasets.FashionMNIST(
+    './.data',
     train=True,
     download=True,
     transform=transforms.Compose([
        transforms.ToTensor(),
        transforms.Normalize((0.5,), (0.5,))
-    ]))
+    ])
+)
 train_loader = torch.utils.data.DataLoader(
     dataset     = trainset,
     batch_size  = BATCH_SIZE,
-    shuffle     = True)
+    shuffle     = True
+)
 
 
 # 생성자는 64차원의 랜덤한 텐서를 입력받아 이에 행렬곱(Linear)과 활성화 함수(ReLU, Tanh) 연산을 실행합니다. 생성자의 결과값은 784차원, 즉 Fashion MNIST 속의 이미지와 같은 차원의 텐서입니다.
@@ -105,9 +108,12 @@
         d_loss_fake = criterion(outputs, fake_labels)
         fake_score = outputs
 
-        # 진짜와 가짜 이미지를 갖고 낸 오차를 더해서 판별자의 오차를 계산 후 학습
+        # 진짜와 가짜 이미지를 갖고 낸 오차를 더해서 판별자의 오차 계산
         d_loss = d_loss_real + d_loss_fake
+
+        # 역전파 알고리즘으로 판별자 모델의 학습을 진행
         d_optimizer.zero_grad()
+        g_optimizer.zero_grad()
         d_loss.backward()
         d_optimizer.step()