Pythorch生成模型的高保真性能度量
torch-fidelit的Python项目详细描述
对生成模型(如GANs)的评价是深度学习研究的重要组成部分。
在二维图像生成领域,有三种方法得到了广泛的应用:初始分数
(aka IS)、Fréchet初始距离(aka FID)和核初始距离(aka KID)。
这些度量虽然有明确的数学和算法描述,但最初是在TensorFlow中实现的,并且继承了一些框架本身的属性以及它们所依赖的代码。这些设计决策有效地融入了评估协议中,
成为度量规范的固有部分。因此,希望
与生成建模的最新技术进行比较的研究人员被迫使用原始度量作者的
代码库进行评估。Pythorch和其他
框架中存在度量的重新实现,但它们不能提供适当的保真度,因此
不适合报告结果和与其他方法进行比较。
该软件旨在为Pythorch提供上述指标的epsilon精确实现,从而消除生成模型评估和开发带来的不便。
在项目网页上查找更多详细信息和最新信息:
https://www.github.com/toshas/torch-fidelity
- 项目
标签: