Bu, en son sürümü Initialrelease.zip olarak indirilebilen Reliable Metrics for Generative Models adlı Windows uygulamasıdır. İş istasyonları için ücretsiz barındırma sağlayıcısı OnWorks'te çevrimiçi olarak çalıştırılabilir.
Reliable Metrics for Generative Models adlı bu uygulamayı OnWorks ile ücretsiz olarak indirin ve çevrimiçi olarak çalıştırın.
Bu uygulamayı çalıştırmak için şu talimatları izleyin:
- 1. Bu uygulamayı PC'nize indirdiniz.
- 2. Dosya yöneticimize https://www.onworks.net/myfiles.php?username=XXXXX istediğiniz kullanıcı adını girin.
- 3. Bu uygulamayı böyle bir dosya yöneticisine yükleyin.
- 4. Bu web sitesinden herhangi bir OS OnWorks çevrimiçi öykünücüsünü başlatın, ancak daha iyi Windows çevrimiçi öykünücüsü.
- 5. Yeni başlattığınız OnWorks Windows işletim sisteminden, istediğiniz kullanıcı adıyla https://www.onworks.net/myfiles.php?username=XXXXX dosya yöneticimize gidin.
- 6. Uygulamayı indirin ve kurun.
- 7. Wine'ı Linux dağıtımları yazılım havuzlarınızdan indirin. Kurulduktan sonra, Wine ile çalıştırmak için uygulamaya çift tıklayabilirsiniz. Ayrıca, popüler Windows programlarını ve oyunlarını yüklemenize yardımcı olacak Wine üzerinden gösterişli bir arayüz olan PlayOnLinux'u da deneyebilirsiniz.
Wine, Windows yazılımını Linux üzerinde çalıştırmanın bir yoludur, ancak Windows gerektirmez. Wine, Windows programlarını doğrudan herhangi bir Linux masaüstünde çalıştırabilen açık kaynaklı bir Windows uyumluluk katmanıdır. Esasen Wine, Windows'a ihtiyaç duymadan tüm bu Windows uygulamalarını çalıştırabilmesi için yeterince Windows'u sıfırdan yeniden uygulamaya çalışıyor.
EKRAN
Ad
Üretken Modeller için Güvenilir Metrikler
TANIM
Üretken Modeller için Güvenilir Doğruluk ve Çeşitlilik Metrikleri (ICML 2020). Görüntü oluşturma görevi için belirleyici değerlendirme ölçütlerinin tasarlanması açık bir sorun olmaya devam etmektedir. Gerçek ve oluşturulmuş görüntüler arasındaki benzerliği ölçmek için en yaygın kullanılan ölçü, Fréchet Başlangıç Mesafesi (FID) puanı olmuştur. Oluşturulan görüntülerin aslına uygunluk ve çeşitlilik yönlerini ayırt etmediği için, son makaleler, bu özellikleri ayrı ayrı teşhis etmek için kesinlik ve geri çağırma metriklerinin varyantlarını ortaya koymuştur. Bu makalede, kesinlik ve geri çağırma (Kynkäänniemi ve diğerleri, 2019) metriklerinin en son sürümünün bile henüz güvenilir olmadığını gösteriyoruz. Örneğin, iki özdeş dağılım arasındaki eşleşmeyi tespit edemezler, aykırı değerlere karşı sağlam değildirler ve değerlendirme hiperparametreleri keyfi olarak seçilir. Yukarıdaki sorunları çözen yoğunluk ve kapsam ölçümleri öneriyoruz.
Özellikler
- Kesinlik ve geri çağırma metrikleri
- Yoğunluk ve kapsama metrikleri
- 10000 boyutlu Öklid uzayında standart normal dağılım N(0,I) oluşturan 1000 gerçek ve sahte örneği test edin
- Gerçek aykırı değer etrafında birçok sahte örnek oluşturmak, kesinlik ölçüsünü artırmak için yeterlidir.
- En yakın komşuyu ayarla k=5
- Kesinlik, geri çağırma, yoğunluk ve kapsam tahminleri
Programlama dili
Python
Kategoriler
Bu, https://sourceforge.net/projects/reliable-met-gen-mod.mirror/ adresinden de alınabilen bir uygulamadır. Ücretsiz Operatif Sistemlerimizden birinden en kolay şekilde online olarak çalıştırılabilmesi için OnWorks üzerinde barındırılmıştır.
