АнглийскийФранцузскийИспанский

Значок OnWorks

Скачать надежные метрики для генеративных моделей для Windows

Бесплатно загрузите приложение Reliable Metrics for Generative Models для Windows для онлайн-запуска win Wine в Ubuntu онлайн, Fedora онлайн или Debian онлайн

Это приложение для Windows под названием «Надежные метрики для генеративных моделей», последний выпуск которого можно загрузить как Initialrelease.zip. Его можно запустить онлайн на бесплатном хостинг-провайдере OnWorks для рабочих станций.

Скачайте и запустите онлайн это приложение под названием «Надежные показатели для генеративных моделей с OnWorks» бесплатно.

Следуйте этим инструкциям, чтобы запустить это приложение:

- 1. Загрузил это приложение на свой компьютер.

- 2. Введите в нашем файловом менеджере https://www.onworks.net/myfiles.php?username=XXXXX с желаемым именем пользователя.

- 3. Загрузите это приложение в такой файловый менеджер.

- 4. Запустите любой онлайн-эмулятор OS OnWorks с этого сайта, но лучше онлайн-эмулятор Windows.

- 5. В только что запущенной ОС Windows OnWorks перейдите в наш файловый менеджер https://www.onworks.net/myfiles.php?username=XXXXX с желаемым именем пользователя.

- 6. Скачайте приложение и установите его.

- 7. Загрузите Wine из репозиториев программного обеспечения вашего дистрибутива Linux. После установки вы можете дважды щелкнуть приложение, чтобы запустить его с помощью Wine. Вы также можете попробовать PlayOnLinux, необычный интерфейс поверх Wine, который поможет вам установить популярные программы и игры для Windows.

Wine - это способ запустить программное обеспечение Windows в Linux, но без Windows. Wine - это уровень совместимости с Windows с открытым исходным кодом, который может запускать программы Windows непосредственно на любом рабочем столе Linux. По сути, Wine пытается заново реализовать Windows с нуля, чтобы можно было запускать все эти Windows-приложения, фактически не нуждаясь в Windows.

СКРИНШОТЫ

Ad


Надежные метрики для генеративных моделей


ОПИСАНИЕ

Надежные показатели точности и разнообразия для генеративных моделей (ICML 2020). Разработка ориентировочных показателей оценки для задачи генерации изображений остается открытой проблемой. Наиболее широко используемой метрикой для измерения сходства между реальными и сгенерированными изображениями была оценка начального расстояния Фреше (FID). Поскольку он не различает аспекты точности и разнообразия сгенерированных изображений, в недавних статьях были представлены варианты показателей точности и полноты для отдельной диагностики этих свойств. В этой статье мы показываем, что даже последняя версия показателей точности и полноты (Kynkäänniemi et al., 2019) еще не является надежной. Например, они не могут обнаружить совпадение между двумя идентичными распределениями, они неустойчивы к выбросам, а гиперпараметры оценки выбираются произвольно. Мы предлагаем метрики плотности и покрытия, которые решают вышеуказанные проблемы.



Особенности

  • Метрики точности и отзыва
  • Показатели плотности и покрытия
  • Тест 10000 реальных и поддельных образцов образуют стандартное нормальное распределение N(0,I) в 1000-мерном евклидовом пространстве.
  • Создание множества поддельных выборок вокруг реального выброса достаточно для повышения точности измерения.
  • Установить ближайшего соседа k=5
  • Оценки точности, полноты, плотности и охвата


Язык программирования

Питон


Категории

Генеративно-состязательные сети (GAN), Генеративный ИИ

Это приложение также можно загрузить с https://sourceforge.net/projects/reliable-met-gen-mod.mirror/. Он был размещен в OnWorks, чтобы его можно было легко запускать в Интернете с помощью одной из наших бесплатных операционных систем.


Бесплатные серверы и рабочие станции

Скачать приложения для Windows и Linux

Команды Linux

Ad