Metrics: IS 和 FID 分数在 PyTorch 和 TF 中的实现，TF 实现为官方封装版本

简介：
本文介绍了如何在PyTorch和TensorFlow中实现IS（Inception Score）和FID（Fréchet Inception Distance）分数，并提供了TensorFlow的官方封装版本。 此仓库包含了关于IS（Inception Score）和FID（Fréchet Inception Distance）分数的实现代码，支持PyTorch和Tensorflow框架。这是一个方便使用的工具箱，您可以轻松地将其添加到项目中。在TensorFlow中的实现旨在计算与官方报告中提供的输出完全一致的结果。 使用方法： 将此metrics文件夹放入您的项目目录，并参照以下说明（针对Pytorch），以及每个.py文件顶部的注释以了解具体用法。 还需要下载一些额外的文件，详情请参阅相关文档。 TensorFlow版本实现几乎与官方代码相同，只是调整了接口以便在论文中进行报告： - 初始分数 - 计算统计信息（均值mu和标准差sigma） PyTorch版本虽然无法直接用于论文中的结果展示，但可以快速查看。 所需依赖库包括：pytorch、torchvision、scipy、numpy 和 tqdm。 对于CIFAR-10训练数据，在n_split设置为10的情况下，初始分数的均值(mean)是9.67278，标准差(std)是0.149。