Генерування зображень

Тепер, коли ви спроєктували й натренували свою GAN, час оцінити якість зображень, які вона може генерувати. Спочатку виконайте візуальну перевірку, щоб з'ясувати, чи бодай схожі результати на покемонів. Для цього створіть випадковий шум як вхід для генератора, передайте його до моделі та побудуйте графіки отриманих результатів.

Глибокий згортковий генератор із натренованими вагами доступний як gen. torch і matplotlib.pyplot як plt уже імпортовано для вас.

Ця вправа є частиною курсу

Глибоке навчання для зображень із PyTorch

Переглянути курс

Інструкції до вправи

Створіть тензор випадкового шуму форми num_images_to_generate на 16 (розмір вхідного шуму, який ви використовували для тренування генератора) та присвойте його змінній noise.
Згенеруйте зображення, передавши шум у генератор, і присвойте їх змінній fake.
Усередині циклу for зробіть зріз fake, щоб отримати i-те зображення, і присвойте його змінній image_tensor.
Переставте виміри image_tensor з (color, height, width) на (height, width, color) і присвойте результат змінній image_tensor_permuted.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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()

Редагувати та запускати код