这是名为 Denoising Diffusion Probabilistic Model 的 Windows 应用程序，其最新版本可以作为 1.9.2asourcecode.zip 下载。 它可以在免费的工作站托管提供商 OnWorks 中在线运行。
免费下载并在线运行这个名为 Denoising Diffusion Probabilistic Model with OnWorks 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从本网站启动任何 OS OnWorks 在线模拟器，但更好的 Windows 在线模拟器。
- 5. 从您刚刚启动的 OnWorks Windows 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序并安装。
- 7. 从您的 Linux 发行版软件存储库下载 Wine。 安装后，您可以双击该应用程序以使用 Wine 运行它们。 您还可以尝试 PlayOnLinux，这是 Wine 上的一个花哨界面，可帮助您安装流行的 Windows 程序和游戏。
Wine 是一种在 Linux 上运行 Windows 软件的方法，但不需要 Windows。 Wine 是一个开源的 Windows 兼容层，可以直接在任何 Linux 桌面上运行 Windows 程序。 本质上，Wine 试图从头开始重新实现足够多的 Windows，以便它可以运行所有这些 Windows 应用程序，而实际上不需要 Windows。
SCREENSHOTS
Ad
去噪扩散概率模型
商品描述
Pytorch中去噪扩散概率模型的实现。 这是一种新的生成建模方法，可能有可能与 GAN 竞争。 它使用去噪分数匹配来估计数据分布的梯度，然后通过朗之万采样从真实分布中采样。 如果您只是想传入文件夹名称和所需的图像尺寸，则可以使用 Trainer 类轻松训练模型。
項目特色
- 研究科学家的注释代码
- 这个实现是从官方 Tensorflow 版本转录而来的
- 样本和模型检查点将定期记录到 ./results
- Trainer 类现在配备了 Accelerator
- 您可以分两步轻松进行多 GPU 训练
- 生成建模的新方法
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/denoising-diff-probabil.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最简单的方式在线运行。
