
Генеративно-состязательные сети и синтез новых данных
581
>>> image_path = './'
>>> transform = transforms.Compose([
... transforms.ToTensor(),
... transforms.Normalize(mean=(0.5), std=(0.5)),
... ])
>>> mnist_dataset = torchvision.datasets.MNIST(
... root=image_path, train=True,
... transform=transform, download=False
... )
>>> example, label = next(iter(mnist_dataset))
>>> print(f'Min: {example.min()} Max: {example.max()}')
>>> print(example.shape)
Min: -1.0 Max: 1.0
torch.Size([1, 28, 28])
Кроме того, мы также создадим случайный вектор z на основе желаемого случайного
распределения (в этом примере кода — равномерного или нормального ...