Це програма для Windows під назвою Consistency Models, останню версію якої можна завантажити як consistency_modelssourcecode.tar.gz. Її можна запускати онлайн на безкоштовному хостинг-провайдері OnWorks для робочих станцій.
Завантажте та запустіть онлайн цю програму під назвою Consistency Models with OnWorks безкоштовно.
Дотримуйтесь цих інструкцій, щоб запустити цю програму:
- 1. Завантажив цю програму на свій ПК.
- 2. Введіть у наш файловий менеджер https://www.onworks.net/myfiles.php?username=XXXXX із потрібним ім'ям користувача.
- 3. Завантажте цю програму в такий файловий менеджер.
- 4. Запустіть будь-який онлайн емулятор ОС OnWorks з цього веб-сайту, але кращий онлайн-емулятор Windows.
- 5. З ОС OnWorks Windows, яку ви щойно запустили, перейдіть до нашого файлового менеджера https://www.onworks.net/myfiles.php?username=XXXXX з потрібним іменем користувача.
- 6. Завантажте програму та встановіть її.
- 7. Завантажте Wine зі сховищ програмного забезпечення дистрибутивів Linux. Після встановлення ви можете двічі клацнути програму, щоб запустити їх за допомогою Wine. Ви також можете спробувати PlayOnLinux, модний інтерфейс замість Wine, який допоможе вам встановити популярні програми та ігри Windows.
Wine — це спосіб запуску програмного забезпечення Windows на Linux, але без використання Windows. Wine — це рівень сумісності Windows з відкритим вихідним кодом, який може запускати програми Windows безпосередньо на будь-якому робочому столі Linux. По суті, Wine намагається повторно реалізувати достатньо Windows з нуля, щоб він міг запускати всі ці програми Windows, насправді не потребуючи Windows.
СКРЕНИ:
Моделі узгодженості
ОПИС:
consistency_models – це репозиторій для моделей консистенції, нового сімейства генеративних моделей, представлених OpenAI, які мають на меті генерувати високоякісні зразки шляхом безпосереднього відображення шуму в дані, обходячи необхідність у довгих ланцюгах дифузії. Він базується на та розширює фреймворки моделей дифузії (наприклад, на основі кодової бази керованої дифузії), додаючи такі методи, як дистиляція консистенції та навчання консистенції, щоб забезпечити швидку, часто одностадійну, генерацію зразків. Репозиторій реалізовано в PyTorch та включає підтримку масштабних експериментів на наборах даних, таких як варіанти ImageNet-64 та LSUN. Він також містить моделі з контрольними точками, сценарії оцінки та варіанти алгоритмів вибірки/редагування, описаних у статті. Оскільки моделі консистенції зменшують кількість кроків виведення, вони є перспективними для генеративних систем реального часу або з низькою затримкою.
Функції
- Прямий шум → відображення даних для однокрокової або багатокрокової генерації
- Впровадження дистиляції консистенції та навчання консистенції
- Підтримка алгоритмів семплювання та редагування (редагування зображень, інтерполяція)
- Контрольні точки та сценарії оцінки для наборів даних, таких як ImageNet та LSUN
- Модульна архітектура PyTorch, побудована на основі попередніх фреймворків дифузії
- Картки моделей та документація щодо цільового використання, обмежень та бенчмаркінгу
Мова програмування
Python
Категорії
Цю програму також можна завантажити з https://sourceforge.net/projects/consistency-models.mirror/. Вона розміщена в OnWorks для найпростішого запуску онлайн з однієї з наших безкоштовних операційних систем.