Générer des images
Maintenant que vous avez conçu et entraîné votre GAN, il est temps d'évaluer la qualité des images qu'il peut générer. Pour commencer, vous ferez une inspection visuelle afin de voir si les images générées ressemblent aux Pokémons. Pour ce faire, vous créerez du bruit aléatoire comme entrée du générateur, vous le passerez au modèle et vous tracerez les sorties.
Le générateur convolutif profond avec poids entraînés est disponible sous gen. torch et matplotlib.pyplot sous plt sont déjà importés pour vous.
Cette activité fait partie du cours
Deep Learning pour les images avec PyTorch
Instructions de l’exercice
- Créez un tenseur de bruit aléatoire de forme
num_images_to_generatepar16, la taille du bruit d'entrée utilisée pour entraîner le générateur, et assignez-le ànoise. - Générez des images en passant le bruit au générateur et assignez-les à
fake. - Dans la boucle for, découpez
fakepour extraire la iᵉ image et assignez-la àimage_tensor. - Permutez les dimensions de
image_tensorde (couleur, hauteur, largeur) à (hauteur, largeur, couleur) et assignez le résultat àimage_tensor_permuted.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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()