این برنامه ویندوزی InfoGAN نام دارد که آخرین نسخه آن را می‌توانید با نام InfoGANsourcecode.tar.gz دانلود کنید. می‌توانید آن را به صورت آنلاین در ارائه دهنده خدمات میزبانی وب رایگان OnWorks برای ایستگاه‌های کاری اجرا کنید.
این برنامه با نام InfoGAN 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.
عکس ها
Ad
InfoGAN
شرح
مخزن InfoGAN شامل پیاده‌سازی اصلی مورد استفاده برای بازتولید نتایج در مقاله «InfoGAN: یادگیری بازنمایی تفسیرپذیر با استفاده از اطلاعات و به حداکثر رساندن شبکه‌های مولد تخاصمی» است. InfoGAN گونه‌ای از معماری GAN (شبکه مولد تخاصمی) است که هدف آن یادگیری بازنمایی‌های نهفته تفکیک‌شده و قابل تفسیر با به حداکثر رساندن اطلاعات متقابل بین زیرمجموعه‌ای از کدهای نهفته و خروجی‌های تولید شده است. این انگیزه اضافی، مولد را تشویق می‌کند تا فضای نهفته خود را به گونه‌ای ساختار دهد که در آن متغیرهای نهفته خاص، عوامل معنادار و متمایز (مانند چرخش، عرض، ضخامت خط) را در تصاویر خروجی کنترل کنند. این مخزن شامل کد برای آزمایش‌ها (به عنوان مثال در MNIST)، اسکریپت‌های لانچر و برخی تست‌ها است. این مخزن به نسخه توسعه‌یافته TensorFlow بستگی دارد (کد انتظار ویژگی‌هایی را دارد که در نسخه‌های پایدار قدیمی‌تر وجود ندارند) و همچنین از کتابخانه‌های دیگری مانند prettytensor و progressbar استفاده می‌کند.
امکانات
- معماری GAN با یک عبارت حداکثرسازی اطلاعات متقابل تقویت شده تا جداسازی را تشویق کند.
- کد لازم برای اجرای آزمایش‌ها (مثلاً MNIST) با استفاده از اسکریپت‌های لانچر
- وابستگی به شاخه توسعه TensorFlow و کتابخانه‌های پشتیبان (prettytensor، progressbar)
- پشتیبانی داکر برای محیط‌های اجرایی قابل تکرار
- ادغام TensorBoard برای تجسم خروجی‌های تولید شده و معیارهای آموزشی
- وضعیت بایگانی‌شده: به عنوان پیاده‌سازی مرجع حفظ شده و به صورت فعال نگهداری نمی‌شود
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/infogan.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.
