Il s'agit de l'application Windows nommée BigGAN préformée PyTorch dont la dernière version peut être téléchargée sous Smallupdatetoutils.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée PyTorch préformée BigGAN avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez n'importe quel émulateur en ligne OS OnWorks à partir de ce site Web, mais un meilleur émulateur en ligne Windows.
- 5. Depuis le système d'exploitation OnWorks Windows que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application et installez-la.
- 7. Téléchargez Wine depuis les dépôts de logiciels de vos distributions Linux. Une fois installé, vous pouvez ensuite double-cliquer sur l'application pour les exécuter avec Wine. Vous pouvez également essayer PlayOnLinux, une interface sophistiquée sur Wine qui vous aidera à installer des programmes et des jeux Windows populaires.
Wine est un moyen d'exécuter un logiciel Windows sur Linux, mais sans Windows requis. Wine est une couche de compatibilité Windows open source qui peut exécuter des programmes Windows directement sur n'importe quel bureau Linux. Essentiellement, Wine essaie de ré-implémenter suffisamment de Windows à partir de zéro pour qu'il puisse exécuter toutes ces applications Windows sans avoir réellement besoin de Windows.
CAPTURES D'ÉCRAN
Ad
BigGAN pré-entraîné avec PyTorch
DESCRIPTION
Une réimplémentation PyTorch op-for-op du modèle BigGAN de DeepMind avec les poids pré-formés de DeepMind. Ce référentiel contient une réimplémentation PyTorch op-for-op du BigGAN de DeepMind qui a été publiée avec l'article Formation GAN à grande échelle pour la synthèse d'images naturelles haute fidélité. Cette implémentation PyTorch de BigGAN est fournie avec les modèles 128x128, 256x256 et 512x512 pré-entraînés par DeepMind. Nous fournissons également les scripts utilisés pour télécharger et convertir ces modèles à partir des modèles TensorFlow Hub. Cette réimplémentation a été faite à partir du graphe de calcul brut de la version Tensorflow et se comporte de manière similaire à la version TensorFlow (variance de la différence de sortie de l'ordre de 1e-5). Cette implémentation ne contient actuellement que le générateur car les poids du discriminateur n'ont pas été publiés (bien que la structure du discriminateur soit très similaire à celle du générateur, il pourrait donc être ajouté assez facilement.
Fonctionnalités:
- Ce référentiel a été testé sur Python 3.6 et PyTorch 1.0.1
- BigGAN préformé PyTorch peut être installé à partir de pip
- Ce référentiel fournit un accès direct et simple aux versions "profondes" pré-entraînées de BigGAN pour les résolutions de 128, 256 et 512 pixels
- Charger les poids pré-formés de DeepMind
- BigGANConfig est une classe pour stocker et charger les configurations BigGAN
- Convertir un tenseur de sortie de BigGAN dans une liste d'images
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/pytorch-pretrain-biggan.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.
