การสร้างภาพ

เมื่อออกแบบและฝึก GAN เสร็จแล้ว ก็ถึงเวลาประเมินคุณภาพของภาพที่โมเดลสร้างขึ้น ขั้นแรกจะทำการตรวจสอบด้วยสายตาว่าภาพที่สร้างออกมานั้นมีลักษณะใกล้เคียงกับ Pokemon หรือไม่ โดยจะสร้างสัญญาณรบกวนแบบสุ่มเป็น input ให้กับ generator แล้วส่งเข้าโมเดลและพล็อตผลลัพธ์

Deep Convolutional Generator ที่ผ่านการฝึกมาแล้วพร้อมใช้งานในชื่อ gen และมีการนำเข้า torch และ matplotlib.pyplot เป็น plt ให้เรียบร้อยแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning สำหรับภาพด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง tensor สัญญาณรบกวนแบบสุ่มที่มีรูปร่างเป็น num_images_to_generate คูณ 16 ซึ่งเป็นขนาด input noise ที่ใช้ในการฝึก generator แล้วกำหนดให้กับตัวแปร noise
สร้างภาพโดยส่ง noise เข้า generator และกำหนดผลลัพธ์ให้กับ fake
ภายใน for loop ให้ slice fake เพื่อดึงภาพลำดับที่ i ออกมา และกำหนดให้กับ image_tensor
สลับมิติของ image_tensor จาก (color, height, width) เป็น (height, width, color) แล้วกำหนดผลลัพธ์ให้กับ image_tensor_permuted

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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()

แก้ไขและรันโค้ด