Python Fré；张量流中chet起始距离参数的选择？

如何在tensorflow中选择分类器_fn的值，我找不到任何示例：

         tf.contrib.gan.eval.frechet_classifier_distance(
                     real_images,
                     generated_images,
                     classifier_fn,
                     num_batches=1

---

)

如果需要初始距离，则可以使用一个不太通用的函数，称为

tf.contrib.gan.eval.frechet\u初始距离

，该函数不需要

分类器fn

参数：

fid = tf.contrib.gan.eval.frechet_inception_distance(real_images, fake_images)

然而，当我尝试使用带有急切执行模式的

v1.14

使用此函数时，我得到了各种各样的错误。所以最终，我决定采用定制解决方案。也许这对你也有帮助

我遇到的以下实现似乎与原始文件中的描述相匹配：

将numpy导入为np
进口scipy.linalg
导入tensorflow作为tf
将tensorflow.keras导入为keras
从tensorflow.keras.applications.inception\u v3导入接收v3，预处理\u输入
从tensorflow.compat.v1导入ConfigProto
从skimage.transform导入调整大小
tf.enable_eager_execution（）
config=ConfigProto（）
config.gpu\u options.allow\u growth=True
tf.keras.backend.set_会话（tf.session（config=config））
def缩放_图像（图像、新_形状）：
返回np.asarray（[resize（image，new_shape，0）表示图像中的图像]）
def计算fid（型号、图像1、图像2）：
f1，f2=[模型预测（im）中的im（图像1，图像2）]
平均值1，sigma1=f1。平均值（轴=0），np.cov（f1，rowvar=False）
平均值2，sigma2=f2。平均值（轴=0），np.cov（f2，rowvar=False）
求和平方差=np.求和（（平均值1-平均值2）**2）
cov_平均值=scipy.linalg.sqrtm（sigma1.dot（sigma2））
如果np.iscomplexobj（cov_平均值）：
cov_mean=cov_mean.real
fid=总平方差+np.道（sigma1+sigma2-2.0*cov平均值）
返回fid
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
输入_形状=（299299,3）
inception=InceptionV3（包括顶部=False，池=avg，输入形状=input形状）
（dataset，u），u=keras.datasets.cifar10.load_data（）
数据集=数据集[：100]
数据集=缩放图像（数据集，输入形状）
noise=预处理\输入（np.clip（255*np.random.uniform（size=dataset.shape），0255））
噪波=缩放图像（噪波、输入图形）
打印（'FID:'，计算\u FID（起始、数据集、噪声））

因此，我们将执行以下步骤：

将图像重新缩放为

InceptionV3

所期望的形状

使用

inception_v3.preprocess_input

转换图像

通过

接收v3

网络传递两个张量（无顶层）

将计算出的特征作为输入参数使用公式

---

这是上述论文的摘录

---

谢谢你的回答，我真的很感激。