Görsel üretme

Artık GAN'ini tasarlayıp eğittiğine göre, üretebildiği görsellerin kalitesini değerlendirmenin zamanı geldi. İlk adım olarak, üretimlerin gerçekten Pokemonlara benziyip benzemediğini görmek için görsel bir inceleme yapacaksın. Bunu yapmak için, üreteç için rastgele gürültü girişleri oluşturacak, modeli çalıştıracak ve çıktıları görselleştireceksin.

Eğitilmiş ağırlıklara sahip Derin Evrişimli Üreteç gen olarak hazır. torch ve matplotlib.pyplot da plt adıyla senin için içe aktarıldı.

Bu egzersiz

PyTorch ile Görüntüler için Deep Learning

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Üreteci eğitirken kullandığın giriş gürültüsü boyutu olan 16 ile num_images_to_generate şeklinde bir rastgele gürültü tensörü oluştur ve noise değişkenine ata.
Gürültüyü üreteceğe geçirerek görseller üret ve fake değişkenine ata.
For döngüsü içinde, fake tensörünü dilimleyerek i. görseli çıkar ve image_tensor değişkenine ata.
image_tensor'ın boyutlarını (renk, yükseklik, genişlik) şeklinden (yükseklik, genişlik, renk) şekline permüte et ve çıktıyı image_tensor_permuted değişkenine ata.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

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()

Kodu Düzenle ve Çalıştır