Bilder erstellen
Nachdem du dein GAN entworfen und trainiert hast, ist es Zeit, die Qualität der Bilder zu checken, die es machen kann. Zuerst checkst du mal, ob die Figuren überhaupt so aussehen wie die Pokémons. Dazu machst du zufälliges Rauschen als Input für den Generator, schickst es an das Modell und zeichnest die Outputs auf.
Der Deep Convolutional Generator mit trainierten Gewichten steht dir als „ gen ” zur Verfügung. „ torch ” und „ matplotlib.pyplot ” sowie „ plt ” sind schon für dich importiert.
Diese Übung ist Teil des Kurses
Deep Learning für Bilder mit PyTorch
Anleitung zur Übung
- Erstell einen Zufallsrauschtensor mit der Form „
num_images_to_generate“ und „16“ (das ist die Größe des Eingangsrauschens, das du zum Trainieren des Generators benutzt hast) und verknüpfe ihn mit „noise“. - Bilder erstellen, indem du das Rauschen an den Generator weitergibst und sie dann „
fake“ zuweist. - Innerhalb der for-Schleife schneidest du
fake, um das Bild mit dem Indexi-th zu extrahieren und esimage_tensorzuzuweisen. - Permutier die Dimensionen von „
image_tensor“ von (Farbe, Höhe, Breite) zu (Höhe, Breite, Farbe) und speicher das Ergebnis in „image_tensor_permuted“.
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()