14、利用PyTorch和机器学习掌握计算机视觉：VAE与VAE - GAN在图像生成中的应用

利用PyTorch和机器学习掌握计算机视觉：VAE与VAE - GAN在图像生成中的应用

1. 潜在空间与假曲线生成

在图像生成的研究中，潜在空间的探索是一个重要的方向。通过特定的代码，我们可以对潜在空间进行可视化，并利用潜在向量生成假曲线。

import torch
import numpy as np
import matplotlib.pyplot as plt

# 假设已经定义了P函数
# 绘制潜在空间
fig, ax = plt.subplots()
X = np.linspace(-3, 3, 100)
Y = np.linspace(-3, 3, 100)
ax.plot(X, Y, 'g+')
ax.grid(which='major', axis='both', color='g', linestyle=':') 
ax.set(xlim=[-3,3], ylim=[-3,3], xlabel ='z[0]', ylabel='z[1]', 
title ='Latent Space (z_dim=2)')
plt.show()

# 利用P(z|x)生成假曲线
fig, ax = plt.subplots(figsize=(4,4))
noise1 = torch.FloatTensor([-2, 0]).cuda()
latent_curve1 = P(noise1).detach().cpu().numpy() 
ax.plot(x, latent_curve1, 'k-', label='first')
noise2 = torch.FloatTensor([2, 0]).cuda()
latent_curve