यह कंसिस्टेंसी मॉडल्स नाम का एक विंडोज़ ऐप है जिसका नवीनतम संस्करण consistency_modelssourcecode.tar.gz के रूप में डाउनलोड किया जा सकता है। इसे वर्कस्टेशन के लिए मुफ़्त होस्टिंग प्रदाता OnWorks पर ऑनलाइन चलाया जा सकता है।
कंसिस्टेंसी मॉडल्स नामक इस ऐप को ऑनवर्क्स के साथ मुफ्त में डाउनलोड करें और ऑनलाइन चलाएं।
इस ऐप को चलाने के लिए इन निर्देशों का पालन करें:
- 1. इस एप्लिकेशन को अपने पीसी में डाउनलोड करें।
- 2. हमारे फ़ाइल प्रबंधक में https://www.onworks.net/myfiles.php?username=XXXXX उस उपयोगकर्ता नाम के साथ दर्ज करें जो आप चाहते हैं।
- 3. इस एप्लिकेशन को ऐसे फाइल मैनेजर में अपलोड करें।
- 4. इस वेबसाइट से कोई भी ओएस ऑनवर्क्स ऑनलाइन एमुलेटर शुरू करें, लेकिन बेहतर विंडोज ऑनलाइन एमुलेटर।
- 5. ऑनवर्क्स विंडोज ओएस से आपने अभी शुरुआत की है, हमारे फाइल मैनेजर को https://www.onworks.net/myfiles.php?username=XXXXX उस यूजरनेम के साथ जाएं जो आप चाहते हैं।
- 6. एप्लिकेशन डाउनलोड करें और इसे इंस्टॉल करें।
- 7. अपने Linux वितरण सॉफ़्टवेयर रिपॉजिटरी से वाइन डाउनलोड करें। एक बार इंस्टॉल हो जाने पर, आप ऐप को वाइन के साथ चलाने के लिए डबल-क्लिक कर सकते हैं। आप PlayOnLinux को भी आज़मा सकते हैं, जो वाइन पर एक फैंसी इंटरफ़ेस है जो आपको लोकप्रिय विंडोज़ प्रोग्राम और गेम इंस्टॉल करने में मदद करेगा।
वाइन लिनक्स पर विंडोज सॉफ्टवेयर चलाने का एक तरीका है, लेकिन विंडोज की आवश्यकता नहीं है। वाइन एक ओपन-सोर्स विंडोज संगतता परत है जो किसी भी लिनक्स डेस्कटॉप पर सीधे विंडोज प्रोग्राम चला सकती है। अनिवार्य रूप से, वाइन खरोंच से पर्याप्त विंडोज़ को फिर से लागू करने की कोशिश कर रहा है ताकि वह उन सभी विंडोज़ अनुप्रयोगों को वास्तव में विंडोज़ की आवश्यकता के बिना चला सके।
स्क्रीनशॉट:
संगति मॉडल
विवरण:
consistency_models, कंसिस्टेंसी मॉडल्स का संग्रह है। OpenAI द्वारा प्रस्तुत जनरेटिव मॉडलों का एक नया परिवार, जिसका उद्देश्य नॉइज़ को सीधे डेटा में मैप करके उच्च-गुणवत्ता वाले नमूने उत्पन्न करना है - जिससे लंबी डिफ्यूज़न श्रृंखलाओं की आवश्यकता समाप्त हो जाती है। यह डिफ्यूज़न मॉडल फ्रेमवर्क (जैसे, निर्देशित-डिफ्यूज़न कोडबेस पर आधारित) का निर्माण और विस्तार करता है, और तेज़, अक्सर एक-चरणीय, नमूना निर्माण को सक्षम करने के लिए कंसिस्टेंसी डिस्टिलेशन और कंसिस्टेंसी ट्रेनिंग जैसी तकनीकों को जोड़ता है। यह संग्रह PyTorch में कार्यान्वित किया गया है और इसमें ImageNet-64 और LSUN वेरिएंट जैसे डेटासेट पर बड़े पैमाने पर प्रयोगों के लिए समर्थन शामिल है। इसमें चेकपॉइंट मॉडल, मूल्यांकन स्क्रिप्ट और पेपर में वर्णित सैंपलिंग/एडिटिंग एल्गोरिदम के वेरिएंट भी शामिल हैं। चूँकि कंसिस्टेंसी मॉडल अनुमान चरणों की संख्या को कम करते हैं, वे रीयल-टाइम या कम-विलंबता वाले जनरेटिव सिस्टम के लिए आशाजनक हैं।
विशेषताएं
- प्रत्यक्ष शोर → एक-चरण या कुछ-चरण उत्पादन के लिए डेटा मैपिंग
- संगति आसवन और संगति प्रशिक्षण का कार्यान्वयन
- नमूनाकरण और संपादन एल्गोरिदम (छवि संपादन, अंतर्वेशन) के लिए समर्थन
- इमेजनेट और एलएसयूएन जैसे डेटासेट के लिए चेकपॉइंट और मूल्यांकन स्क्रिप्ट
- पूर्ववर्ती प्रसार फ्रेमवर्क पर निर्मित मॉड्यूलर PyTorch आर्किटेक्चर
- इच्छित उपयोग, सीमाओं और बेंचमार्किंग के लिए मॉडल कार्ड और दस्तावेज़ीकरण
प्रोग्रामिंग भाषा
अजगर
श्रेणियाँ
यह एक ऐसा एप्लिकेशन है जिसे https://sourceforge.net/projects/consistency-models.mirror/ से भी प्राप्त किया जा सकता है। इसे हमारे किसी भी निःशुल्क ऑपरेटिव सिस्टम से सबसे आसान तरीके से ऑनलाइन चलाने के लिए OnWorks में होस्ट किया गया है।