利用训练后的cvae生成近似数据的python代码

以下是利用训练后的CVAE生成近似数据的Python代码：

import tensorflow as tf
import numpy as np

# 加载已训练好的 CVAE 模型
cvae = tf.keras.models.load_model('cvae.h5')

# 生成近似数据的数量和输入
num_samples = 10
input_data = np.random.randn(num_samples, 28, 28, 1)

# 使用 CVAE 生成近似数据
generated_data = cvae.predict(input_data)

# 显示生成的数据
import matplotlib.pyplot as plt

fig, axs = plt.subplots(1, num_samples, figsize=(10, 1))

for i in range(num_samples):
    axs[i].imshow(generated_data[i].reshape(28, 28), cmap='gray')
    axs[i].axis('off')

plt.show()

说明：

1. 首先加载已训练好的 CVAE 模型。

2. 然后指定要生成的近似数据的数量（`num_samples`）和输入数据（`input_data`）。这里采用随机噪声作为输入数据，可以根据实际需求更改。

3. 利用模型的 `predict()` 方法生成近似数据（`generated_data`）。

4. 最后使用 Matplotlib 库显示生成的数据。