تنزيل fidjax - تنزيل كود مصدر fidjax

fidjax

كود الذكاء الاصطناعي

1.0.0

تنزيل

فيد جاكس

التنفيذ النظيف لمسافة Frechet Inception Distance في JAX.

إعادة إنتاج تنفيذ TensorFlow الخاص بـ OpenAI.
يتم تشغيل تطبيق Pure JAX على وحدة المعالجة المركزية/وحدة معالجة الرسومات/وحدة المعالجة المركزية (TPU) وداخل JIT.
يمكن تحميل الأوزان من GCS باستخدام pathlib API.
رمز نظيف وبسيط.

تعليمات

1️⃣ FID JAX هو ملف واحد، لذا يمكنك فقط نسخه إلى دليل مشروعك. أو يمكنك تثبيت الحزمة:

pip install fidjax

2️⃣ تنزيل أوزان البداية (الاعتمادات لماتياس رايت):

wget https://www.dropbox.com/s/xt6zvlvt22dcwck/inception_v3_weights_fid.pickle ? dl=1

3️⃣ قم بتنزيل إحصائيات ImageNet المرجعية بالدقة المطلوبة (قم بإنشاء إحصائيات خاصة بك لمجموعات البيانات الأخرى):

wget https://openaipublic.blob.core.windows.net/diffusion/jul-2021/ref_batches/imagenet/64/VIRTUAL_imagenet64_labeled.npz
wget https://openaipublic.blob.core.windows.net/diffusion/jul-2021/ref_batches/imagenet/128/VIRTUAL_imagenet128_labeled.npz
wget https://openaipublic.blob.core.windows.net/diffusion/jul-2021/ref_batches/imagenet/256/VIRTUAL_imagenet256_labeled.npz
wget https://openaipublic.blob.core.windows.net/diffusion/jul-2021/ref_batches/imagenet/512/VIRTUAL_imagenet512.npz

4️⃣ حساب عمليات التنشيط والإحصائيات والنتائج في JAX:

 import fidjax
import numpy as np

weights = './inception_v3_weights_fid.pickle?dl=1'
reference = './VIRTUAL_imagenet128_labeled.npz'
fid = fidjax . FID ( weights , reference )

fid_total = 50000
fid_batch = 1000
acts = []
for range ( fid_total // fid_batch ):
  samples = ...  # (B, H, W, 3) jnp.uint8
  acts . append ( fid . compute_acts ( samples ))
stats = fid . compute_stats ( acts )
score = fid . compute_score ( stats )

print ( float ( score ))  # FID

دقة

مجموعة البيانات	نموذج	فيد جاكس	اوبن ايه اي تي اف
إيماج نت 256	ADM (موجه، ومضخم)	3.937	3.943

دروس

استخدام التخزين السحابي

أشر إلى الملفات عبر تطبيق pathlib.Path الذي يدعم التخزين السحابي لديك. على سبيل المثال لـ GCS:

 import elements  # pip install elements
import fidjax

weights = elements . Path ( 'gs://bucket/fid/inception_v3_weights_fid.pickle' )
reference = elements . Path ( 'gs://bucket/fid/VIRTUAL_imagenet128_labeled.npz' )

fid = fidjax . FID ( weights , reference )

مجموعات البيانات المخصصة

إنشاء إحصائيات مرجعية لمجموعات البيانات المخصصة:

 import fidjax
import numpy as np

weights = './inception_v3_weights_fid.pickle?dl=1'
fid = fidjax . FID ( weights )

acts = fid . compute_acts ( images )
mu , sigma = fid . compute_stats ( acts )

np . savez ( 'reference.npz' , { 'mu' : mu , 'sigma' : sigma })