Esta es la aplicación para Linux llamada PixelCNN, cuya última versión se puede descargar como pixel-cnnsourcecode.zip. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada PixelCNN con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.
- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación, instálala y ejecútala.
SCREENSHOTS
Ad
PixelCNN
DESCRIPCIÓN
PixelCNN es la implementación oficial de OpenAI del modelo generativo autorregresivo descrito en el artículo "Generación de imágenes condicional con decodificadores PixelCNN". Proporciona código para entrenar y evaluar modelos PixelCNN en conjuntos de datos de imágenes, centrándose en el modelado de imágenes condicional, donde los píxeles se generan secuencialmente en función de los valores de los píxeles generados previamente. El repositorio demuestra cómo aplicar convoluciones enmascaradas para aplicar dependencias autorregresivas y lograr un entrenamiento factible basado en la verosimilitud. También incluye scripts para reproducir resultados experimentales clave del artículo, como el muestreo condicional en conjuntos de datos como CIFAR-10. El proyecto sirve como referencia de investigación y como marco práctico para la experimentación con modelos generativos autorregresivos. Aunque archivado, PixelCNN ha influido en una amplia gama de trabajos posteriores en modelado generativo, incluyendo avances en transformadores de imágenes y modelos de difusión.
Caracteristicas
- Implementación de referencia oficial del modelo PixelCNN
- Admite la generación de imágenes condicionales con decodificación autorregresiva.
- Utiliza convoluciones enmascaradas para mantener dependencias causales
- Guiones de entrenamiento y evaluación para la reproducibilidad
- Experimentos de ejemplo en conjuntos de datos de imágenes estándar como CIFAR-10
- Proporciona una base para estudiar modelos generativos basados en probabilidad.
Lenguaje de programación
Python
Categorías
Esta aplicación también se puede descargar desde https://sourceforge.net/projects/pixelcnn.mirror/. Está alojada en OnWorks para facilitar su ejecución en línea desde uno de nuestros sistemas operativos gratuitos.
