產生影像
現在你已經設計並訓練好 GAN，是時候評估它能產生的影像品質了。首先，先以目視檢查，看看產生的結果是否看起來像寶可夢。為此，你會建立作為產生器輸入的隨機雜訊，將它傳入模型，並繪出輸出結果。
已替你提供帶有訓練權重的深度卷積式產生器 gen。torch 以及 matplotlib.pyplot（別名 plt）也都已匯入完成。
本練習屬於課程
使用 PyTorch 進行影像深度學習
練習說明
- 建立形狀為
num_images_to_generate乘以16（你用來訓練產生器的輸入雜訊大小）的隨機雜訊張量，指派給noise。 - 將雜訊傳入產生器以產生影像，並指派給
fake。 - 在 for 迴圈中，對
fake進行切片，擷取第i張影像，指派給image_tensor。 - 將
image_tensor的維度由（color, height, width）置換為（height, width, color），並將輸出指派給image_tensor_permuted。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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()