Fréchet-Inception-Distanz

Die visuelle Überprüfung der erstellten Bilder ist ein guter Anfang. Da sie aber ganz okay aussehen, wäre eine genauere, quantitative Bewertung hilfreich, um die Leistung des Generators besser zu verstehen. Du wirst dein GAN mit dem Fréchet Inception Distance (FID) checken.

Zwei Tensoren mit gefälschten und echten Bildern, jeweils 32 Beispiele, stehen dir als „ fake “ und „ real “ zur Verfügung. Benutz sie, um den FID zu berechnen!

Diese Übung ist Teil des Kurses

Deep Learning für Bilder mit PyTorch

Kurs anzeigen

Anleitung zur Übung

Importiere „ FrechetInceptionDistance ” aus dem passenden Modul „ torchmetrics ”.
Instanziere die FID-Metrik basierend auf der 64. Inception-Feature-Ebene und ordne sie „ fid “ zu.
fid mit dem echten Bild-Tensor aktualisieren, mit 255 multiplizieren und in torch.uint8 parsen.
Berechne die Metrik „ fid “ und speicher das Ergebnis in „ fid_score “.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import FrechetInceptionDistance
____

# Instantiate FID
fid = ____(____)

# Update FID with real images
fid.update((fake * 255).to(torch.uint8), real=False)
fid.update(____)

# Compute the metric
fid_score = ____
print(fid_score)

Code bearbeiten und ausführen