Gerando imagens
Agora que você projetou e treinou sua GAN, é hora de avaliar a qualidade das imagens que ela consegue gerar. Para começar, você fará uma inspeção visual para ver se as gerações se parecem com os Pokemons. Para isso, você vai criar ruído aleatório como entrada para o gerador, passá-lo ao modelo e plotar as saídas.
O Deep Convolutional Generator com pesos treinados está disponível como gen. torch e matplotlib.pyplot como plt já foram importados para você.
Este exercício faz parte do curso
Deep Learning para Imagens com PyTorch
Instruções do exercício
- Crie um tensor de ruído com a forma
num_images_to_generatepor16, o tamanho do ruído de entrada que você usou para treinar o gerador, e atribua-o anoise. - Gere imagens passando o ruído para o gerador e atribua-as a
fake. - Dentro do loop for, faça o slice de
fakepara extrair ai-ésima imagem e atribua-a aimage_tensor. - Permute as dimensões de
image_tensorde (cor, altura, largura) para (altura, largura, cor) e atribua a saída aimage_tensor_permuted.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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()