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 allez effectuer une inspection visuelle pour vérifier si les images générées ressemblent aux Pokémons. Pour cela, vous allez créer un bruit aléatoire comme entrée du générateur, le passer au modèle et afficher les résultats.
Le générateur convolutionnel profond avec poids entraînés est disponible sous le nom gen. torch et matplotlib.pyplot sous plt sont déjà importés pour vous.
Cet exercice fait partie du cours
Deep Learning pour l’image avec PyTorch
Instructions
- Créez un tenseur de bruit 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. - À l’intérieur de la boucle for, découpez
fakepour extraire lai-ième image et assignez-la àimage_tensor. - Permutez les dimensions de
image_tensorde (couleur, hauteur, largeur) vers (hauteur, largeur, couleur) et assignez 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()