文件名称：flow:在PyTorch中规范化流程
文件大小：1.56MB
文件格式：ZIP
更新时间：2024-06-14 05:04:21
JupyterNotebook
流 该项目在PyTorch中实现了基本的规范化流程，并提供了根据条件转换器的体系结构轻松定义自己的功能。 这对于低维流和学习目的特别有用。 然而，正在努力扩展其功能以适应更高尺寸的流动。 支持条件流，含义，由给定条件张量条件条件下的学习概率分布。 对因果机制建模特别有用。 入门 安装 pip install flow-torch 依存关系 该项目尝试尽可能轻量级。 除了对项目至关重要的和，还需要和来进行可视化训练。 每个特定的依赖项都列在requirements.txt中 二维示例 此示例在此使用综合数据集执行。 from flow . flow import Sequential from flow . conditioner import MADE from flow . transformer import DSF from flow . modules import B
【文件预览】：
flow-master
----.gitignore(2KB)
----setup.cfg(39B)
----README.md(4KB)
----.github()
--------ISSUE_TEMPLATE()
----tests()
--------test_conditioner.py(3KB)
--------utils.py(435B)
--------test_prior.py(860B)
--------test_transformer.py(2KB)
--------test_flow.py(3KB)
----build_docs.sh(96B)
----docs()
--------flow.html(70KB)
--------utils.html(16KB)
--------modules.html(47KB)
--------training.html(30KB)
--------train.html(28KB)
--------conditioner.html(51KB)
--------index.html(8KB)
--------prior.html(16KB)
--------transformer.html(32KB)
----examples()
--------README.md(429B)
--------README-example.ipynb(97KB)
--------datasets()
--------Stairs.ipynb(104KB)
----LICENSE(1KB)
----upload-pypi.sh(52B)
----CONTRIBUTING.md(1KB)
----CODE_OF_CONDUCT.md(5KB)
----requirements.txt(57B)
----images()
--------real-samples.png(9KB)
--------cond-samples.png(10KB)
--------2d-samples.png(24KB)
--------fake-samples.png(9KB)
----flow()
--------prior.py(2KB)
--------flow.py(18KB)
--------conditioner.py(16KB)
--------utils.py(3KB)
--------modules.py(12KB)
--------__init__.py(108B)
--------transformer.py(11KB)
--------training.py(9KB)
--------documentation.md(534B)
----MANIFEST.in(24B)
----tutorials()
--------3 - Implementing my own flow.ipynb(13KB)
--------1 - Train flows - iris.ipynb(1.12MB)
--------2 - Train flows - concrete.ipynb(422KB)
--------0 - flow-torch 101.ipynb(195KB)
----setup.py(2KB)