এটি জেনারেটিভ মডেলের জন্য নির্ভরযোগ্য মেট্রিক্স নামে উইন্ডোজ অ্যাপ যার সর্বশেষ প্রকাশ Initialrelease.zip হিসাবে ডাউনলোড করা যেতে পারে। এটি ওয়ার্কস্টেশনের জন্য বিনামূল্যের হোস্টিং প্রদানকারী OnWorks-এ অনলাইনে চালানো যেতে পারে।
বিনামূল্যের OnWorks সহ জেনারেটিভ মডেলের জন্য নির্ভরযোগ্য মেট্রিক্স নামের এই অ্যাপটি অনলাইনে ডাউনলোড করুন এবং চালান৷
এই অ্যাপটি চালানোর জন্য এই নির্দেশাবলী অনুসরণ করুন:
- 1. আপনার পিসিতে এই অ্যাপ্লিকেশনটি ডাউনলোড করুন৷
- 2. আমাদের ফাইল ম্যানেজারে প্রবেশ করুন https://www.onworks.net/myfiles.php?username=XXXXX আপনি যে ইউজারনেম চান।
- 3. এই ধরনের ফাইল ম্যানেজারে এই অ্যাপ্লিকেশনটি আপলোড করুন।
- 4. এই ওয়েবসাইট থেকে যেকোনো OS OnWorks অনলাইন এমুলেটর শুরু করুন, তবে আরও ভালো উইন্ডোজ অনলাইন এমুলেটর।
- 5. OnWorks Windows OS থেকে আপনি এইমাত্র শুরু করেছেন, আমাদের ফাইল ম্যানেজারে যান https://www.onworks.net/myfiles.php?username=XXXXX আপনার পছন্দের ব্যবহারকারীর নাম সহ।
- 6. অ্যাপ্লিকেশনটি ডাউনলোড করুন এবং এটি ইনস্টল করুন।
- 7. আপনার লিনাক্স ডিস্ট্রিবিউশন সফ্টওয়্যার সংগ্রহস্থল থেকে ওয়াইন ডাউনলোড করুন। একবার ইনস্টল হয়ে গেলে, আপনি ওয়াইন দিয়ে চালানোর জন্য অ্যাপটিতে ডাবল-ক্লিক করতে পারেন। এছাড়াও আপনি PlayOnLinux ব্যবহার করে দেখতে পারেন, ওয়াইনের উপর একটি অভিনব ইন্টারফেস যা আপনাকে জনপ্রিয় উইন্ডোজ প্রোগ্রাম এবং গেম ইনস্টল করতে সাহায্য করবে।
ওয়াইন লিনাক্সে উইন্ডোজ সফ্টওয়্যার চালানোর একটি উপায়, কিন্তু কোন উইন্ডোজ প্রয়োজন নেই। ওয়াইন হল একটি ওপেন সোর্স উইন্ডোজ সামঞ্জস্যপূর্ণ স্তর যা সরাসরি যেকোনো লিনাক্স ডেস্কটপে উইন্ডোজ প্রোগ্রাম চালাতে পারে। মূলত, ওয়াইন স্ক্র্যাচ থেকে পর্যাপ্ত উইন্ডোজ পুনরায় প্রয়োগ করার চেষ্টা করছে যাতে এটি আসলে উইন্ডোজের প্রয়োজন ছাড়াই সেই সমস্ত উইন্ডোজ অ্যাপ্লিকেশন চালাতে পারে।
স্ক্রীনশটগুলি
Ad
জেনারেটিভ মডেলের জন্য নির্ভরযোগ্য মেট্রিক্স
বর্ণনাঃ
জেনারেটিভ মডেলের জন্য নির্ভরযোগ্য বিশ্বস্ততা এবং বৈচিত্র্য মেট্রিক্স (ICML 2020)। ইমেজ জেনারেশন টাস্কের জন্য ইঙ্গিতমূলক মূল্যায়ন মেট্রিক্স তৈরি করা একটি উন্মুক্ত সমস্যা রয়ে গেছে। বাস্তব এবং উত্পন্ন চিত্রের মধ্যে মিল পরিমাপের জন্য সর্বাধিক ব্যবহৃত মেট্রিক হল ফ্রেচেট ইনসেপশন ডিসটেন্স (এফআইডি) স্কোর। যেহেতু এটি উত্পন্ন চিত্রগুলির বিশ্বস্ততা এবং বৈচিত্র্যের দিকগুলিকে আলাদা করে না, সাম্প্রতিক কাগজগুলি সেই বৈশিষ্ট্যগুলিকে আলাদাভাবে নির্ণয় করার জন্য নির্ভুলতা এবং রিকল মেট্রিক্সের বৈকল্পিক প্রবর্তন করেছে৷ এই কাগজে, আমরা দেখাই যে এমনকি নির্ভুলতা এবং রিকল (Kynkäänniemi et al., 2019) মেট্রিক্সের সর্বশেষ সংস্করণটি এখনও নির্ভরযোগ্য নয়। উদাহরণস্বরূপ, তারা দুটি অভিন্ন বিতরণের মধ্যে মিল সনাক্ত করতে ব্যর্থ হয়, তারা বহিরাগতদের বিরুদ্ধে শক্তিশালী নয়, এবং মূল্যায়ন হাইপারপ্যারামিটারগুলি নির্বিচারে নির্বাচিত হয়। আমরা ঘনত্ব এবং কভারেজ মেট্রিক্স প্রস্তাব করি যা উপরের সমস্যাগুলি সমাধান করে।
বৈশিষ্ট্য
- যথার্থতা এবং রিকল মেট্রিক্স
- ঘনত্ব এবং কভারেজ মেট্রিক্স
- 10000টি আসল এবং নকল নমুনা পরীক্ষা করে 0-মাত্রিক ইউক্লিডিয়ান স্পেসে স্ট্যান্ডার্ড স্বাভাবিক বিতরণ N(1000,I) গঠন করে
- আসল আউটলারের চারপাশে অনেক নকল নমুনা তৈরি করা নির্ভুলতা পরিমাপ বাড়ানোর জন্য যথেষ্ট
- নিকটতম প্রতিবেশী k=5 সেট করুন
- যথার্থতা, প্রত্যাহার, ঘনত্ব এবং কভারেজ অনুমান
প্রোগ্রামিং ভাষা
পাইথন
বিভাগ
এটি এমন একটি অ্যাপ্লিকেশন যা https://sourceforge.net/projects/reliable-met-gen-mod.mirror/ থেকেও আনা যেতে পারে৷ আমাদের বিনামূল্যের অপারেটিভ সিস্টেমগুলির মধ্যে একটি থেকে সবচেয়ে সহজ উপায়ে অনলাইনে চালানোর জন্য এটি OnWorks-এ হোস্ট করা হয়েছে।