Bilder erzeugen

Jetzt, da du dein GAN entworfen und trainiert hast, ist es Zeit, die Qualität der erzeugten Bilder zu bewerten. Zum Einstieg machst du eine visuelle Prüfung, um zu sehen, ob die Generierung überhaupt den Pokemons ähnelt. Dazu erzeugst du Zufallsrauschen als Eingabe für den Generator, gibst es an das Modell weiter und plottest die Ausgaben.

Der Deep-Convolutional-Generator mit trainierten Gewichten steht dir als gen zur Verfügung. torch und matplotlib.pyplot als plt sind bereits für dich importiert.

Diese Übung ist Teil des Kurses

Deep Learning für Bilder mit PyTorch

Kurs anzeigen

Anleitung zur Übung

Erzeuge einen Zufalls-Rausch-Tensor der Form num_images_to_generate mal 16 (die Rausch-Eingabegröße, mit der du den Generator trainiert hast) und weise ihn noise zu.
Erzeuge Bilder, indem du das Rauschen an den Generator übergibst, und weise sie fake zu.
Schneide innerhalb der for-Schleife fake, um das i-te Bild zu extrahieren, und weise es image_tensor zu.
Permutiere die Dimensionen von image_tensor von (Farbe, Höhe, Breite) zu (Höhe, Breite, Farbe) und weise die Ausgabe image_tensor_permuted zu.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

num_images_to_generate = 5
# Create random noise tensor
noise = ____

# Generate images
with torch.no_grad():
    fake = ____
print(f"Generated tensor shape: {fake.shape}")
    
for i in range(num_images_to_generate):
    # Slice fake to select i-th image
    image_tensor = ____
    # Permute the image dimensions
    image_tensor_permuted = ____
    plt.imshow(image_tensor_permuted)
    plt.show()

Code bearbeiten und ausführen