Dies ist die von PyTorch vortrainierte Windows-App BigGAN, deren neueste Version als Smallupdatetoutils.zip heruntergeladen werden kann. Es kann online im kostenlosen Hosting-Anbieter OnWorks für Workstations betrieben werden.
Laden Sie diese App mit dem Namen PyTorch vortrainiert BigGAN mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS
Ad
PyTorch vortrainiertes BigGAN
BESCHREIBUNG
Eine op-for-op PyTorch-Neuimplementierung des BigGAN-Modells von DeepMind mit den vortrainierten Gewichten von DeepMind. Dieses Repository enthält eine op-for-op PyTorch-Neuimplementierung von BigGAN von DeepMind, die mit dem Paper Large Scale GAN Training for High Fidelity Natural Image Synthesis veröffentlicht wurde. Diese PyTorch-Implementierung von BigGAN wird mit den vortrainierten 128x128-, 256x256- und 512x512-Modellen von DeepMind bereitgestellt. Wir stellen auch die Skripte bereit, die zum Herunterladen und Konvertieren dieser Modelle aus den TensorFlow Hub-Modellen verwendet werden. Diese Neuimplementierung wurde aus dem Rohberechnungsdiagramm der TensorFlow-Version durchgeführt und verhält sich ähnlich wie die TensorFlow-Version (Varianz der Ausgabedifferenz in der Größenordnung von 1e-5). Diese Implementierung enthält derzeit nur den Generator, da die Gewichte des Diskriminators nicht veröffentlicht wurden (obwohl die Struktur des Diskriminators dem Generator sehr ähnlich ist, sodass er ziemlich einfach hinzugefügt werden könnte.
Eigenschaften
- Dieses Repo wurde auf Python 3.6 und PyTorch 1.0.1 getestet
- PyTorch vortrainiertes BigGAN kann von pip installiert werden
- Dieses Repository bietet direkten und einfachen Zugriff auf die vortrainierten „tiefen“ Versionen von BigGAN für Auflösungen von 128, 256 und 512 Pixel
- Laden Sie die vortrainierten Gewichte von DeepMind
- BigGANConfig ist eine Klasse zum Speichern und Laden von BigGAN-Konfigurationen
- Konvertieren Sie einen Ausgabetensor von BigGAN in eine Liste von Bildern
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/pytorch-pretrain-biggan.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.
