生成图像

现在您已经设计并训练好了 GAN，是时候评估它能生成的图像质量了。首先，您将进行一次目视检查，看看这些生成结果是否与宝可梦相似。为此，您将创建随机噪声作为生成器的输入，将其传入模型并绘制输出。

带有已训练权重的深度卷积生成器已作为 gen 提供给您。torch 以及 matplotlib.pyplot（简称 plt）也已为您导入。

本练习是课程的一部分

使用 PyTorch 进行图像深度学习

查看课程

练习说明

创建一个形状为 num_images_to_generate × 16 的随机噪声张量（这是您训练生成器时使用的输入噪声大小），并将其赋给 noise。
将该噪声传入生成器以生成图像，并将结果赋给 fake。
在 for 循环中，对 fake 进行切片以提取第 i 张图像，并将其赋给 image_tensor。
将 image_tensor 的维度从（颜色，高度，宽度）置换为（高度，宽度，颜色），并将输出赋给 image_tensor_permuted。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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()

编辑并运行代码