Generera bilder

Nu när du har designat och tränat ditt GAN är det dags att utvärdera kvaliteten på de bilder det kan generera. Som ett första steg gör du en visuell inspektion för att se om genereringarna liknar Pokémons. Du skapar slumpmässigt brus som indata till generatorn, skickar det till modellen och plottar resultaten.

Den djupkonvolutionella generatorn med tränade vikter finns tillgänglig som gen. torch och matplotlib.pyplot som plt är redan importerade.

Den här övningen är en del av kursen

Djupinlärning för bilder med PyTorch

Visa kurs

Övningsinstruktioner

Skapa en tensor med slumpmässigt brus av formen num_images_to_generate gånger 16 – den brusstorlek du använde för att träna generatorn – och tilldela den till noise.
Generera bilder genom att skicka bruset till generatorn och tilldela resultatet till fake.
Inuti for-loopen, indexera fake för att extrahera den i-te bilden och tilldela den till image_tensor.
Permutera dimensionerna i image_tensor från (färg, höjd, bredd) till (höjd, bredd, färg) och tilldela resultatet till image_tensor_permuted.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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()

Redigera och kör kod