为什么我的gan神经网络生成出来的居然是九张图而不是一张图？

为什么我的gan神经网络生成出来的居然是九张图而不是一张图？
我的数据集使用了一组卡通肖像，但通过重塑维度后，输出生成的模型实际上是九张脸，而不是一张脸。是哪里出了问题?

img


鉴别器

img


生成器

img


View

img

找到问题了，还是数据集在读取的时候，用PIL读取数据维度为（1,3,300,300），实际训练生成的时候为（300,300,3），所以最终output的结果为九宫格

该回答引用GPTᴼᴾᴱᴺᴬᴵ
根据您提供的代码，这似乎是一个基于GAN（生成对抗网络）的图像生成模型。GAN模型的设计比较复杂，包括生成器和判别器两个部分，而在训练过程中，生成器会生成多个候选图像，而不是仅仅生成一个图像。

如果您想要生成一张图像，可以使用生成器模型的forward方法，并将一个随机向量（即噪声）输入模型，得到生成的图像。以下是示例代码：

import torch

# 创建生成器模型
class Generator(nn.Module):
    def __init__(self):
        super().__init__()
        self.model = nn.Sequential(
            nn.Linear(100, 3*10*10),
            nn.LeakyReLU(),
            nn.LayerNorm(3*10*10),
            nn.Linear(3*10*10, 300*300*3),
            nn.Sigmoid(),
            View((300, 300, 3))
        )
    
    def forward(self, x):
        return self.model(x)

# 创建一个随机向量
z = torch.randn(1, 100)

# 创建生成器模型实例
generator = Generator()

# 输入随机向量，生成图像
generated_image = generator(z)

# 显示生成的图像
plt.imshow(generated_image.detach().numpy())

在上述代码中，我们首先创建了一个Generator类，其中包含了您提供的生成器模型的定义。接着，我们使用torch.randn方法创建了一个形状为(1, 100)的随机向量。然后，我们创建了一个Generator实例，并将随机向量z作为输入，使用模型的forward方法生成一张图像。最后，我们使用matplotlib库的imshow方法显示生成的图像。
·
请注意，在GAN模型的训练过程中，为了提高生成器的表现，我们需要多次使用生成器生成候选图像，并将它们与真实图像一起输入判别器进行训练。因此，在训练过程中生成的图像数量可能会很多。

不知道你这个问题是否已经解决, 如果还没有解决的话:

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^