FID Python代码
时间: 2024-03-04 11:46:19 浏览: 20
FID(Fréchet Inception Distance)是一种用于评估生成模型和真实数据分布之间差异的指标。它通过计算生成图像和真实图像在特征空间中的距离来衡量它们的相似性。
在Python中,可以使用第三方库`pytorch_fid`来计算FID。以下是一个简单的示例代码:
```python
import torch
from torchvision import datasets, transforms
from pytorch_fid import fid_score
# 加载真实图像数据集
real_dataset = datasets.ImageFolder('path/to/real_images', transform=transforms.ToTensor())
# 加载生成图像数据集
generated_dataset = datasets.ImageFolder('path/to/generated_images', transform=transforms.ToTensor())
# 创建数据加载器
real_loader = torch.utils.data.DataLoader(real_dataset, batch_size=64, shuffle=True)
generated_loader = torch.utils.data.DataLoader(generated_dataset, batch_size=64, shuffle=True)
# 计算FID
fid = fid_score.calculate_fid(real_loader, generated_loader)
print(f"FID: {fid}")
```
请注意,上述代码中的`'path/to/real_images'`和`'path/to/generated_images'`需要替换为实际的真实图像和生成图像的路径。