【Week-G4】手势图像生成（CGAN）- PyTorch【使用生成好的生成器生成指定手势】

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊 | 接辅导、项目定制

本文环境：
系统环境：
语言：Python3.7.8
编译器：VSCode
深度学习框架：torch 1.13.1
是否GPU训练：CPU

本周代码基本和G3周一致，个别地方有修改：
（1）epoch=300
（2）绘制Loss图
（3）选择训练好的epoch=300时的生成器模型来生成手势
（4）数据集可视化部分选择显示第一个批次的图片

训练持续时间：7.17日23:00-7月18日08:12，耗时9h12min

本次学习的重点：predictions.permute(0,2,3,1)，该函数用于对张量的维度进行重新排列，生成指定图像就是靠这个函数，Pytorch框架才有的

一、准备数据 & 环境

2. 数据可视化

# 可视化第一个batch的数据
def show_images(dl):
    for images, _ in dl:
        fig, ax = plt.subplots(figsize=(10, 10))
        ax.set_xticks([]); ax.set_yticks([])
        ax.imshow(make_grid(images.detach(), nrow=16).permute(1, 2, 0))
        break
show_images(train_loader)
# def show_batch(dl):
#     for images, _ in dl:
#         show_images(images)
#         break

# show_batch(train_loader)  #显示图片
print("===============1.2 数据可视化 End============\n")

二、构建模型

print("===============2. 构建模型================")
latent_dim = 100
n_classes = 3
embedding_dim = 100
# 自定义权重初始化函数，用于初始化生成器和判别器的权重
def weights_init(m):
    # 获取当前层的类名
    classname = m.__class__.__name__

    # 如果当前层是卷积层（类名中包含 'Conv' ）
    if classname.find('Conv') != -1:
        # 使用正态分布随机初始化权重，均值为0，标准差为0.02
        torch.nn.init.normal_(m.weight, 0.0, 0.02)
    
    # 如果当前层是批归一化层（类名中包含 'BatchNorm' ）
    elif classname.find('BatchNorm') != -1:
        # 使用正态分布随机初始化权重，均值为1，标准差为0.02
        torch.nn.init.normal_(m.weight, 1.0, 0.02