Generación de imágenes
Ahora que ya has diseñado y entrenado tu GAN, es el momento de evaluar la calidad de las imágenes que puede generar. Para empezar, realizarás una inspección visual para ver si la generación se parece en algo a los Pokémons. Para ello, crearás ruido aleatorio como entrada para el generador, lo pasarás al modelo y graficarás las salidas.
El generador convolucional profundo con pesos entrenados está disponible como gen. torch y matplotlib.pyplot como plt ya están importados.
Este ejercicio forma parte del curso
Aprendizaje profundo para imágenes con PyTorch
Instrucciones del ejercicio
- Crea un tensor de ruido aleatorio con forma
num_images_to_generate16, el tamaño del ruido de entrada que utilizaste para entrenar el generador, y asígnalo anoise. - Genera imágenes pasando el ruido al generador y asígnalas a
fake. - Dentro del bucle for, corta
fakepara extraer la imageni-th y asígnala aimage_tensor. - Permuta las dimensiones de
image_tensorde (color, altura, anchura) a (altura, anchura, color) y asigna el resultado aimage_tensor_permuted.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
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()