Fréchet Inception Distance

Visuele inspectie van gegenereerde afbeeldingen is een goed begin. Maar als ze er oké uitzien, helpt een preciezere, kwantitatieve evaluatie om de prestaties van de generator te begrijpen. Je gaat je GAN evalueren met de Fréchet Inception Distance, of FID.

Twee tensors met nep- en echte afbeeldingen, elk 32 voorbeelden, zijn beschikbaar als fake en real. Gebruik ze om de FID te berekenen!

Deze oefening maakt deel uit van de cursus

Deep Learning voor afbeeldingen met PyTorch

Bekijk cursus

Oefeninstructies

Importeer FrechetInceptionDistance uit de juiste torchmetrics-module.
Instantier de FID-metriek op basis van de 64e Inception-featurelaag en ken deze toe aan fid.
Update fid met de tensor met echte afbeeldingen, vermenigvuldigd met 255 en geconverteerd naar torch.uint8.
Bereken de fid-metriek en ken de uitvoer toe aan fid_score.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Import FrechetInceptionDistance
____

# Instantiate FID
fid = ____(____)

# Update FID with real images
fid.update((fake * 255).to(torch.uint8), real=False)
fid.update(____)

# Compute the metric
fid_score = ____
print(fid_score)

Code bewerken en uitvoeren