Đây là ứng dụng Windows có tên là Reliable Metrics for Generative Models có bản phát hành mới nhất có thể tải xuống dưới dạng Initialrelease.zip. Nó có thể được chạy trực tuyến trong nhà cung cấp dịch vụ lưu trữ miễn phí OnWorks cho máy trạm.
Tải xuống và chạy trực tuyến ứng dụng này có tên là Reliable Metrics for Generative Models with OnWorks miễn phí.
Làm theo các hướng dẫn sau để chạy ứng dụng này:
- 1. Đã tải ứng dụng này xuống PC của bạn.
- 2. Nhập vào trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 3. Tải lên ứng dụng này trong trình quản lý tệp như vậy.
- 4. Khởi động bất kỳ trình giả lập trực tuyến OS OnWorks nào từ trang web này, nhưng trình giả lập trực tuyến Windows tốt hơn.
- 5. Từ Hệ điều hành Windows OnWorks bạn vừa khởi động, hãy truy cập trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 6. Tải xuống ứng dụng và cài đặt nó.
- 7. Tải xuống Wine từ kho phần mềm phân phối Linux của bạn. Sau khi cài đặt, bạn có thể nhấp đúp vào ứng dụng để chạy chúng với Wine. Bạn cũng có thể thử PlayOnLinux, một giao diện đẹp mắt trên Wine sẽ giúp bạn cài đặt các chương trình và trò chơi phổ biến của Windows.
Wine là một cách để chạy phần mềm Windows trên Linux, nhưng không cần Windows. Wine là một lớp tương thích Windows mã nguồn mở có thể chạy các chương trình Windows trực tiếp trên bất kỳ máy tính để bàn Linux nào. Về cơ bản, Wine đang cố gắng triển khai lại đủ Windows từ đầu để nó có thể chạy tất cả các ứng dụng Windows đó mà không thực sự cần đến Windows.
MÀN HÌNH
Ad
Số liệu đáng tin cậy cho các mô hình sáng tạo
MÔ TẢ
Các chỉ số về độ trung thực và đa dạng đáng tin cậy cho các mô hình sáng tạo (ICML 2020). Việc tạo ra các số liệu đánh giá chỉ định cho nhiệm vụ tạo hình ảnh vẫn là một vấn đề mở. Số liệu được sử dụng rộng rãi nhất để đo lường sự giống nhau giữa hình ảnh thực và hình ảnh được tạo ra là điểm số Khoảng cách khởi động Fréchet (FID). Bởi vì nó không phân biệt các khía cạnh độ trung thực và đa dạng của hình ảnh được tạo, các bài báo gần đây đã giới thiệu các biến thể của độ chính xác và số liệu thu hồi để chẩn đoán các thuộc tính đó một cách riêng biệt. Trong bài báo này, chúng tôi chỉ ra rằng ngay cả phiên bản mới nhất của chỉ số độ chính xác và khả năng thu hồi (Kynkäänniemi et al., 2019) vẫn chưa đáng tin cậy. Ví dụ: chúng không phát hiện được sự trùng khớp giữa hai bản phân phối giống hệt nhau, chúng không mạnh đối với các giá trị ngoại lệ và các siêu tham số đánh giá được chọn tùy ý. Chúng tôi đề xuất các số liệu về mật độ và phạm vi bảo hiểm để giải quyết các vấn đề trên.
Tính năng
- Số liệu chính xác và thu hồi
- Chỉ số mật độ và phạm vi bảo hiểm
- Test 10000 mẫu thật và giả tạo thành phân phối chuẩn N(0,I) trong không gian Euclide 1000 chiều
- Tạo nhiều mẫu giả xung quanh ngoại lệ thực là đủ để tăng độ chính xác
- Đặt hàng xóm gần nhất k=5
- Ước tính độ chính xác, thu hồi, mật độ và phạm vi bảo hiểm
Ngôn ngữ lập trình
Python
Danh Mục
Đây là một ứng dụng cũng có thể được tìm nạp từ https://sourceforge.net/projects/reliable-met-gen-mod.mirror/. Nó đã được lưu trữ trong OnWorks để có thể chạy trực tuyến theo cách dễ dàng nhất từ một trong các Hệ điều hành miễn phí của chúng tôi.
