Menghasilkan gambar

Sekarang setelah Anda merancang dan melatih GAN, saatnya mengevaluasi kualitas gambar yang dapat dihasilkannya. Sebagai awal, Anda akan melakukan inspeksi visual untuk melihat apakah hasil generasinya memang menyerupai Pokemon. Untuk melakukannya, Anda akan membuat noise acak sebagai masukan bagi generator, memasukkannya ke model, dan memplot keluarannya.

Deep Convolutional Generator dengan bobot terlatih tersedia sebagai gen. torch dan matplotlib.pyplot sebagai plt sudah diimpor untuk Anda.

Latihan ini adalah bagian dari kursus

Deep Learning untuk Gambar dengan PyTorch

Lihat Kursus

Petunjuk latihan

Buat tensor noise acak dengan bentuk num_images_to_generate kali 16, ukuran noise masukan yang Anda gunakan untuk melatih generator, dan tetapkan ke noise.
Hasilkan gambar dengan memasukkan noise ke generator dan tetapkan ke fake.
Di dalam for loop, lakukan slicing pada fake untuk mengekstrak gambar ke-i dan tetapkan ke image_tensor.
Permutasikan dimensi image_tensor dari (warna, tinggi, lebar) ke (tinggi, lebar, warna) dan tetapkan keluarannya ke image_tensor_permuted.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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()

Edit dan Jalankan Kode