fidjax 다운로드 - fidjax 소스 코드 다운로드

fidjax

AI 소스 코드

1.0.0

다운로드

FID 잭스

JAX에서 Frechet Inception Distance를 깔끔하게 구현했습니다.

OpenAI의 TensorFlow 구현을 재현합니다.
순수 JAX 구현은 CPU/GPU/TPU 및 JIT 내부에서 실행됩니다.
pathlib API를 사용하여 GCS에서 가중치를 로드할 수 있습니다.
깔끔하고 간단한 코드.

지침

1️⃣ FID JAX는 단일 파일이므로 프로젝트 디렉터리에 복사하면 됩니다. 또는 패키지를 설치할 수 있습니다.

pip install fidjax

2️⃣ Inception 가중치 다운로드(Matthias Wright 제공):

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

3️⃣ 원하는 해상도의 ImageNet 참조 통계를 다운로드합니다(다른 데이터세트에 대해 직접 생성).

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 JAX에서 활성화, 통계 및 점수를 계산합니다.

 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

정확성

데이터세트	모델	FID 잭스	오픈AI TF
이미지넷 256	ADM(안내, 업샘플링)	3.937	3.943

튜토리얼

클라우드 스토리지 사용

클라우드 스토리지를 지원하는 pathlib.Path 구현을 통해 파일을 가리킵니다. 예를 들어 GCS의 경우:

 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 )

커스텀 데이터세트

사용자 정의 데이터세트에 대한 참조 통계를 생성합니다.

 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 })