1. Nauka
    2. /
  2. Kursy
    3. /
  3. Głębokie uczenie dla obrazów z PyTorch
Connected

ćwiczenie

Generowanie obrazów

Po zaprojektowaniu i wytrenowaniu sieci GAN nadszedł czas, aby ocenić jakość generowanych przez nią obrazów. Na początek przeprowadź wizualną inspekcję – sprawdź, czy wygenerowane obrazy w ogóle przypominają Pokemony. W tym celu utwórz losowy szum jako dane wejściowe dla generatora, przekaż je do modelu i wykreśl wyniki.

Głęboki splotowy generator z wytrenowanymi wagami jest dostępny jako gen. Biblioteki torch i matplotlib.pyplot jako plt są już zaimportowane.

Instrukcje

100 XP
  • Utwórz tensor losowego szumu o kształcie num_images_to_generate na 16 (rozmiar szumu wejściowego użytego podczas trenowania generatora) i przypisz go do noise.
  • Wygeneruj obrazy, przekazując szum do generatora, i przypisz je do fake.
  • Wewnątrz pętli for wytnij fake, aby pobrać i-ty obraz, i przypisz go do image_tensor.
  • Przestaw wymiary image_tensor z (kolor, wysokość, szerokość) na (wysokość, szerokość, kolor) i przypisz wynik do image_tensor_permuted.