این یک برنامه ویندوزی به نام Consistency Models است که آخرین نسخه آن را می‌توانید با نام consistency_modelssourcecode.tar.gz دانلود کنید. این برنامه را می‌توان به صورت آنلاین در ارائه دهنده میزبانی وب رایگان OnWorks برای ایستگاه‌های کاری اجرا کرد.
این برنامه با نام Consistency Models with OnWorks را به صورت رایگان دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
اسکرین شات ها:
مدل های سازگاری
DESCRIPTION:
consistency_models مخزنی برای Consistency Models است، خانواده‌ای جدید از مدل‌های مولد که توسط OpenAI معرفی شده است و هدف آن تولید نمونه‌های با کیفیت بالا با نگاشت مستقیم نویز به داده‌ها است - و نیاز به زنجیره‌های انتشار طولانی را دور می‌زند. این مخزن بر اساس چارچوب‌های مدل انتشار (مثلاً مبتنی بر پایگاه کد انتشار هدایت‌شده) ساخته شده و آنها را گسترش می‌دهد و تکنیک‌هایی مانند تقطیر ثبات و آموزش ثبات را برای تولید سریع نمونه، اغلب تک مرحله‌ای، اضافه می‌کند. این مخزن در PyTorch پیاده‌سازی شده است و شامل پشتیبانی از آزمایش‌های در مقیاس بزرگ روی مجموعه داده‌هایی مانند ImageNet-64 و انواع LSUN است. همچنین شامل مدل‌های دارای چک‌پوینت، اسکریپت‌های ارزیابی و انواع الگوریتم‌های نمونه‌برداری/ویرایش شرح داده شده در مقاله است. از آنجا که مدل‌های ثبات تعداد مراحل استنتاج را کاهش می‌دهند، برای سیستم‌های مولد بلادرنگ یا با تأخیر کم امیدوارکننده هستند.
امکانات
- نویز مستقیم → نگاشت داده‌ها برای تولید یک مرحله‌ای یا چند مرحله‌ای
- اجرای تقطیر سازگاری و آموزش سازگاری
- پشتیبانی از الگوریتم‌های نمونه‌برداری و ویرایش (ویرایش تصویر، درون‌یابی)
- نقاط بازرسی و اسکریپت‌های ارزیابی برای مجموعه داده‌هایی مانند ImageNet و LSUN
- معماری ماژولار PyTorch که بر روی چارچوب‌های انتشار قبلی ساخته شده است
- کارت‌های مدل و مستندات برای استفاده در نظر گرفته شده، محدودیت‌ها و معیارها
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از آدرس https://sourceforge.net/projects/consistency-models.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش به صورت آنلاین از یکی از سیستم‌های عامل رایگان ما اجرا کرد.