Fréchet Inception Distance

Wizualna ocena wygenerowanych obrazów to dobry punkt wyjścia. Skoro jednak wyglądają one poprawnie, warto przeprowadzić dokładniejszą, ilościową ewaluację, aby lepiej zrozumieć działanie generatora. Do oceny sieci GAN użyjesz metryki Fréchet Inception Distance (FID).

Do dyspozycji masz dwa tensory zawierające po 32 przykładowe obrazy – fałszywe i prawdziwe – dostępne jako fake i real. Wykorzystaj je do obliczenia wartości FID!

To ćwiczenie jest częścią kursu

Głębokie uczenie dla obrazów z PyTorch

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj FrechetInceptionDistance z odpowiedniego modułu torchmetrics.
Utwórz instancję metryki FID opartą na 64. warstwie cech sieci Inception i przypisz ją do zmiennej fid.
Zaktualizuj fid, przekazując tensor prawdziwych obrazów pomnożony przez 255 i rzutowany na typ torch.uint8.
Oblicz metrykę fid, przypisując wynik do zmiennej fid_score.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)

Edytuj i uruchom kod