torch-fidelity:PyTorch中生成模型的高保真性能指标

上传者: 42151599 | 上传时间: 2022-03-13 20:45:42 | 文件大小: 167KB | 文件类型: -
诸如GAN之类的生成模型的评估是深度学习研究的重要组成部分。 在2D图像生成领域,三种方法得到了广泛传播:初始分数(aka IS) ,弗雷谢特初始距离(aka FID) 和内核初始距离(aka KID) 。 这些指标尽管具有清晰的数学和算法描述,但最初是在TensorFlow中实现的,并继承了框架本身的一些属性(请参阅Interpolation)和它们所依赖的代码(请参见Model)。 这些设计决策已有效地纳入评估协议,并成为度量标准规范的固有组成部分。 结果,希望在生成建模中与最新技术进行比较的研究人员被迫使用原始度量标准作者的代码库进行评估。 虽然可以在PyTorch和其他框架中重新实现指标,但是它们不能提供适当级别的保真度,因此使其不适合报告结果并将其与其他方法进行比较。 该软件旨在在PyTorch中提供上述指标的epsilon精确实现,从而消除与生成模型评估和开发相关的不便

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明