这是名为 Reliable Metrics for Generative Models 的 Windows 应用程序，其最新版本可以作为 Initialrelease.zip 下载。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
免费下载并在线运行此名为 Reliable Metrics for Generative Models 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
生成模型的可靠指标
商品描述
生成模型的可靠保真度和多样性指标 (ICML 2020)。 为图像生成任务设计指示性评估指标仍然是一个悬而未决的问题。 最广泛使用的衡量真实图像和生成图像之间相似性的指标是 Fréchet Inception Distance (FID) 分数。 因为它没有区分生成图像的保真度和多样性方面，最近的论文引入了精确度和召回率指标的变体来分别诊断这些属性。 在本文中，我们表明即使是最新版本的精度和召回率 (Kynkäänniemi et al., 2019) 指标也不可靠。 例如，它们无法检测到两个相同分布之间的匹配，它们对异常值不稳健，并且评估超参数是任意选择的。 我们提出了解决上述问题的密度和覆盖率指标。
产品优势
- 准确率和召回率指标
- 密度和覆盖指标
- 测试10000个真假样本在0维欧氏空间形成标准正态分布N(1000,I)
- 在真实异常值周围生成许多假样本足以提高精度测量
- 设置最近邻 k=5
- 精度、召回率、密度和覆盖率估计
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/reliable-met-gen-mod.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便以最简单的方式从我们的免费操作系统之一在线运行。
