This is the Windows app named Guided Diffusion whose latest release can be downloaded as guided-diffusionsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Download en gebruik online gratis deze app met de naam Guided Diffusion met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start een OS OnWorks online emulator vanaf deze website, maar een betere Windows online emulator.
- 5. Ga vanuit het OnWorks Windows-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie en installeer deze.
- 7. Download Wine van de softwarebronnen voor Linux-distributies. Eenmaal geïnstalleerd, kunt u vervolgens dubbelklikken op de app om ze met Wine uit te voeren. Je kunt ook PlayOnLinux proberen, een mooie interface via Wine waarmee je populaire Windows-programma's en -games kunt installeren.
Wine is een manier om Windows-software op Linux uit te voeren, maar zonder dat Windows vereist is. Wine is een open-source Windows-compatibiliteitslaag die Windows-programma's rechtstreeks op elke Linux-desktop kan uitvoeren. In wezen probeert Wine genoeg van Windows opnieuw te implementeren, zodat het al die Windows-applicaties kan draaien zonder Windows echt nodig te hebben.
SCREENSHOTS
Ad
Geleide diffusie
PRODUCTBESCHRIJVING
De repository voor geleide diffusie is gecentreerd rond diffusiemodellen voor beeldsynthese, met een focus op classificatorbegeleiding en verbeteringen ten opzichte van eerdere diffusieframeworks. Het is afgeleid van OpenAI's werk op het gebied van verbeterde diffusie, uitgebreid met begeleide generatie, waarbij een classificator (of ander begeleidingsmechanisme) de bemonstering kan sturen naar gewenste klassen of attributen. De code bevat modeldefinities (UNet, diffusieschema's), bemonsterings- en trainingsscripts, en hulpprogramma's voor begeleiding en evaluatie. Een belangrijk inzicht is dat het combineren van diffusiesampling met classificatorgradiënten een nauwkeurige controle over de gegenereerde beelden mogelijk maakt, waarbij diversiteit versus betrouwbaarheid een afweging is. De repository bevat scripts zoals image_train.py, image_sample.py en classifier_train.py om diffusiemodellen te trainen, samples te genereren en begeleidende classificatoren te trainen. Het wordt ook geleverd met vooraf berekende evaluatiebatches en basislijnvergelijkingen ter ondersteuning van reproduceerbare benchmarking van nieuwe modellen.
Kenmerken
- Diffusiemodelarchitectuur (UNet, ruisschema's, trainingshulpprogramma's)
- Classifier-gestuurde bemonstering: diffusie combineren met classifier-gradiënten
- Scripts voor het trainen van modellen (image_train.py), bemonstering (image_sample.py) en classificatortraining
- Vooraf berekende evaluatiebatches en basislijnmetrieken voor reproduceerbaarheid
- Modulaire code die nieuwe begeleidingsmodaliteiten of architectuuraanpassingen mogelijk maakt
- Vertakking van verbeterde diffusie met verbeteringen in begeleide generatie
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/guided-diffusion.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
