numberfairy / coding_for_frechetinceptionscore

README

标签（空格分隔）： 计算fid说明

---

Frechet Inception Distance(FID):provides an alternative approach . to quantify the quality of generated samples, they are first embedded into a feature space given by(a specific layer) of Inception Net.

上面这句话的意思就是说，FID这种方法是用来衡量生成样本质量的，这些生成样本呢需要把他们嵌入到一个特征空间中（一个特殊的网络层）。

公式：FID(x, g) = ||μx - μg||22 + Tr(Σx + Σg - 2(ΣxΣg)1/2)

上面公式可以参考论文中公式，格式有点小问题。论文链接：Are GANs Created Equal? A Large-Scale Study

---

本实验的思路：wgan文件夹中有各种GAN的变种，我们要做的就是要比较各种gan之间的性能指标，在checkpoint文件中已经有训练好的各种gan模型的参数 ，直接可以运行各个gan得到各自的样本即可，然后通过get_fid中方法来计算fid值。

get_fidScore文件夹中有两个重要的文件夹get_fid和getNpz，getNpz文件夹中要做的事儿是：计算原始数据集(MNIST和fashion-mnist两个数据集)的均值和协方差，并存储下来（方便计算fid值的时候用）。get_fid文件夹中才是真正开始计算fid值，我们把生成样本放到那个Inception Net中，然后输出并计算均值和协方差（这个过程inception.py中已经完成任务了，我们只需要往其中传值就行了），刚刚getNpz中也已经得到了均值和协方差（也是需要通过inception.py来计算的），有了这两组均值和协方差之后，我们就可以按照公式来进行计算了。

---

最后贴出我们的计算结果，仅供参考：