Criando imagens
Agora que você já criou e treinou sua GAN, é hora de ver como estão as imagens que ela consegue fazer. Pra começar, você vai dar uma olhada pra ver se eles parecem mesmo com os Pokémons. Para fazer isso, você vai criar um ruído aleatório como entrada para o gerador, passar para o modelo e plotar as saídas.
O Deep Convolutional Generator com pesos treinados está disponível para você como gen. torch e matplotlib.pyplot como plt já foram importados para você.
Este exercício faz parte do curso
Aprendizado profundo para imagens com PyTorch
Instruções do exercício
- Crie um tensor de ruído aleatório com a forma
num_images_to_generate16, o tamanho do ruído de entrada que você usou para treinar o gerador, e atribua-o anoise. - Crie imagens passando o ruído para o gerador e coloque-as em
fake. - Dentro do loop for, corte
fakepara extrair a imagemi-th e atribua-a aimage_tensor. - Permuta as dimensões de
image_tensorde (cor, altura, largura) para (altura, largura, cor) e coloca o resultado emimage_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()