Generación de imágenes
Ahora que has diseñado y entrenado tu GAN, toca evaluar la calidad de las imágenes que puede generar. Para empezar, harás una inspección visual para ver si las generaciones se parecen a los Pokémon. Para ello, crearás ruido aleatorio como entrada para el generador, lo pasarás al modelo y representarás los resultados.
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
Deep Learning para imágenes con PyTorch
Instrucciones del ejercicio
- Crea un tensor de ruido aleatorio con forma
num_images_to_generatepor16(el tamaño del ruido de entrada que usaste para entrenar el generador) y asígnalo anoise. - Genera imágenes pasando el ruido al generador y asígnalas a
fake. - Dentro del bucle for, haz slicing de
fakepara extraer la imageniy asígnala aimage_tensor. - Permuta las dimensiones de
image_tensorde (color, height, width) a (height, width, color) y asigna la salida 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()