이것은 최신 릴리스를 1.9.2asourcecode.zip으로 다운로드할 수 있는 Denoising Diffusion Probabilistic Model이라는 Windows 앱입니다. 워크스테이션용 무료 호스팅 제공업체인 OnWorks에서 온라인으로 실행할 수 있습니다.
Denoising Diffusion Probabilistic Model with OnWorks라는 이름의 이 앱을 온라인에서 무료로 다운로드하여 실행하십시오.
이 앱을 실행하려면 다음 지침을 따르세요.
- 1. 이 애플리케이션을 PC에 다운로드했습니다.
- 2. 파일 관리자 https://www.onworks.net/myfiles.php?username=XXXXX에 원하는 사용자 이름을 입력합니다.
- 3. 이러한 파일 관리자에서 이 응용 프로그램을 업로드합니다.
- 4. 이 웹사이트에서 모든 OS OnWorks 온라인 에뮬레이터를 시작하지만 더 나은 Windows 온라인 에뮬레이터를 시작합니다.
- 5. 방금 시작한 OnWorks Windows OS에서 원하는 사용자 이름으로 파일 관리자 https://www.onworks.net/myfiles.php?username=XXXXX로 이동합니다.
- 6. 애플리케이션을 다운로드하여 설치합니다.
- 7. Linux 배포 소프트웨어 저장소에서 Wine을 다운로드합니다. 설치가 완료되면 앱을 두 번 클릭하여 Wine과 함께 실행할 수 있습니다. 인기 있는 Windows 프로그램 및 게임을 설치하는 데 도움이 되는 Wine을 통한 멋진 인터페이스인 PlayOnLinux를 사용해 볼 수도 있습니다.
Wine은 Linux에서 Windows 소프트웨어를 실행하는 방법이지만 Windows가 필요하지 않습니다. Wine은 모든 Linux 데스크탑에서 직접 Windows 프로그램을 실행할 수 있는 오픈 소스 Windows 호환성 계층입니다. 본질적으로 Wine은 Windows가 필요하지 않고 모든 Windows 응용 프로그램을 실행할 수 있도록 Windows를 처음부터 충분히 다시 구현하려고 합니다.
스크린 샷
Ad
잡음 제거 확산 확률 모델
기술
Pytorch에서 Denoising 확산 확률 모델의 구현. 이는 GAN과 경쟁할 수 있는 가능성이 있는 생성 모델링에 대한 새로운 접근 방식입니다. 노이즈 제거 점수 일치를 사용하여 데이터 분포의 기울기를 추정한 다음 Langevin 샘플링을 통해 실제 분포에서 샘플링합니다. 폴더 이름과 원하는 이미지 크기만 전달하려는 경우 Trainer 클래스를 사용하여 모델을 쉽게 훈련할 수 있습니다.
특징
- 연구 과학자가 주석을 단 코드
- 이 구현은 공식 Tensorflow 버전에서 복사되었습니다.
- 샘플 및 모델 체크포인트는 주기적으로 ./results에 기록됩니다.
- 트레이너 클래스는 이제 액셀러레이터를 장착했습니다.
- 두 단계로 간편하게 다중 GPU 교육을 수행할 수 있습니다.
- 생성 모델링에 대한 새로운 접근 방식
프로그래밍 언어
Python
카테고리
이것은 https://sourceforge.net/projects/denoising-diff-probabil.mirror/에서도 가져올 수 있는 애플리케이션입니다. 무료 운영 체제 중 하나에서 가장 쉬운 방법으로 온라인으로 실행하기 위해 OnWorks에서 호스팅되었습니다.
