Це програма для Windows під назвою Reliable Metrics for Generative Models, останню версію якої можна завантажити як Initialrelease.zip. Його можна запустити онлайн у безкоштовного хостинг-провайдера OnWorks для робочих станцій.
Завантажте та запустіть цю програму під назвою Reliable Metrics for Generative Models з 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.
ЕКРАНИ
Ad
Надійні показники для генеративних моделей
ОПИС
Надійні показники точності та різноманітності для генеративних моделей (ICML 2020). Розробка індикативних оціночних метрик для завдання створення зображення залишається відкритою проблемою. Найпоширенішим показником для вимірювання подібності між реальними та створеними зображеннями є оцінка початкової відстані Фреше (FID). Оскільки він не розрізняє аспекти точності та різноманітності згенерованих зображень, останні статті представили варіанти показників точності та запам’ятовування для окремої діагностики цих властивостей. У цій статті ми показуємо, що навіть остання версія показників точності та запам’ятовування (Kynkäänniemi та ін., 2019) ще не є надійною. Наприклад, їм не вдається виявити збіг між двома ідентичними розподілами, вони не стійкі до викидів, а гіперпараметри оцінки вибираються довільно. Ми пропонуємо показники щільності та покриття, які вирішують зазначені вище проблеми.
риси
- Показники точності та запам'ятовування
- Показники щільності та покриття
- Перевірте 10000 справжніх і підроблених зразків, які утворюють стандартний нормальний розподіл N(0,I) у 1000-вимірному евклідовому просторі
- Створення багатьох підроблених зразків навколо справжнього викиду достатньо, щоб підвищити міру точності
- Встановіть найближчого сусіда k=5
- Оцінки точності, запам’ятовування, щільності та покриття
Мова програмування
Python
Категорії
Це додаток, який також можна завантажити з https://sourceforge.net/projects/reliable-met-gen-mod.mirror/. Його розміщено в OnWorks, щоб його можна було найпростіше запускати онлайн з однієї з наших безкоштовних операційних систем.
