Generazione di immagini
Ora che hai progettato e addestrato la tua GAN, è il momento di valutare la qualità delle immagini che può generare. Per iniziare, eseguirai un'ispezione visiva per vedere se le immagini generate assomigliano ai Pokémon. Per farlo, creerai del rumore casuale come input per il generatore, lo passerai al modello e visualizzerai i risultati.
Il Deep Convolutional Generator con pesi addestrati è disponibile come gen. torch e matplotlib.pyplot come plt sono già importati per te.
Questo esercizio fa parte del corso
Deep Learning per Immagini con PyTorch
Istruzioni dell'esercizio
- Crea un tensore di rumore di forma
num_images_to_generateper16, la dimensione del rumore di input usata per addestrare il generatore, e assegnalo anoise. - Genera le immagini passando il rumore al generatore e assegnale a
fake. - All'interno del ciclo for, fai slicing di
fakeper estrarre l'immagine in posizioneie assegnala aimage_tensor. - Permuta le dimensioni di
image_tensorda (colore, altezza, larghezza) a (altezza, larghezza, colore) e assegna l'output aimage_tensor_permuted.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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()