Glow-PyTorch：简洁、可扩展且易懂的Glow实现方案

简介：
Glow-PyTorch是一款简洁、易于理解和扩展的GLOW实现工具，基于PyTorch框架，旨在简化神经网络算子的开发与部署流程。 辉光（Glow）存储库使用CIFAR-10和SVHN数据集上的PyTorch来实现模型，并利用训练过的Glow模型重现论文中的部分结果。 要创建直方图，请参阅相关文档或代码注释。 预训练模型（在CIFAR-10上）：请先解压缩文件。注意，此预训练模型是使用affine耦合层创建的，因此不适合用于生成采样（详见Glow论文中的定性模型与定量模型的区别）。该模型达到3.39 bpd，而原始研究中获得的是3.35 bpd。 我们的预训练模型和原论文之间的主要区别在于我们使用的批处理大小为64（单个GPU），而原文使用了512（8 GPU）的设置。此代码利用了一些图层和基础结构，并且更加模块化、可扩展，运行速度更快，易于阅读，支持CIFAR-10和SVHN数据集上的训练。 新版本的数据集依赖性更少，接口也更为一致。感谢所有参与评论与调试的人士的帮助。 设置并运行代码所需的依赖项非常小：需要Python 3.6及以上版本以及PyTorch库。