torch-fidelity

环境要求

• Python 3 环境，pip 可正常使用
• 已安装 PyTorch（生成器为 torch 模型）
• 如需 GPU 加速，需 CUDA 版 PyTorch 与可用显卡
• 首次评估会缓存特征与统计，建议预留磁盘空间

安装与启动步骤

1. 1准备运行环境

   确认 Python 3 与 pip 可用，并已安装 PyTorch；没有 GPU 时，后面把 cuda 设为 False。

2. 2安装库

   从 PyPI 安装 torch-fidelity，pip 会自动处理依赖，建议在虚拟环境中执行。

   pip install torch-fidelity

   复制

3. 3验证导入

   在 Python 中导入模块，确认安装成功、没有导入报错。

   python -c "import torch_fidelity; print('ok')"

   复制

4. 4包装生成模型

   用 GenerativeModelModuleWrapper 包装生成器，依次传入噪声维度、分布类型与截断参数。

   wrapped_generator = torch_fidelity.GenerativeModelModuleWrapper(generator, 128, 'normal', 0)

   复制

5. 5计算指标

   调用 calculate_metrics，把生成器与参考数据集 cifar10-train 传入，按需开启各指标。

   metrics_dict = torch_fidelity.calculate_metrics(
       input1=wrapped_generator,
       input2='cifar10-train',
       cuda=True,
       isc=True,
       fid=True,
       kid=True,
       prc=True,
       verbose=False,
   )

   复制

6. 6输出结果

   返回的字典包含各项指标数值，可直接打印或写入 tensorboard、wandb 等日志工具。

   print(metrics_dict)

   复制

7. 7命令行工具入口

   安装后会生成 fidelity 命令；若提示该脚本不在 PATH，用安装目录下的完整路径调用即可。

关键配置

如何确认成功

执行 print(metrics_dict) 后能看到 inception_score_mean、frechet_inception_distance 等键值且无报错，即表示评估流程正常运行。

常见问题

注意事项

• 命令行与 Python API 两种用法都受支持，README 未列出具体命令行参数，使用前请查阅官方文档。
• 指标计算会缓存特征与统计数据，更换数据集或模型结构后缓存可能失效，需重新计算。
• 自定义特征提取器与数据集接口可扩展评估流程，不必限制在二维图像生成任务上。