Génération d'images
Maintenant que vous avez conçu et entraîné votre GAN, il est temps d'évaluer la qualité des images qu'il est capable de générer. Pour commencer, vous effectuerez une inspection visuelle afin de déterminer si la génération ressemble aux Pokémon. Pour ce faire, vous allez créer un bruit aléatoire qui servira d'entrée au générateur, le transmettre au modèle et représenter graphiquement les résultats.
Le générateur convolutif profond avec des poids entraînés est à votre disposition sous le nom gen. Les fichiers torch et matplotlib.pyplot ainsi que plt ont déjà été importés pour vous.
Cet exercice fait partie du cours
Deep learning pour les images avec PyTorch
Instructions
- Créez un tenseur de bruit aléatoire de forme «
num_images_to_generate» par «16», la taille du bruit d'entrée que vous avez utilisée pour entraîner le générateur, et attribuez-le à «noise». - Générez des images en transmettant le bruit au générateur et attribuez-les à l'
fake. fakeÀ l'intérieur de la boucle for, utilisez la fonction slice pour extraire l'imagei-th et l'assigner àimage_tensor.- Permutez les dimensions de l'
image_tensorde (couleur, hauteur, largeur) à (hauteur, largeur, couleur) et associez le résultat àimage_tensor_permuted.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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()