学习GAN模型量化评价，先从掌握FID开始吧_选自machinelearningmastery作者：Jaso

选自machinelearningmastery

作者：Jason Brownlee

机器之心编译

编译：高璇，Geek AI

要说谁是当下最火的生成模型，GAN 当之无愧！然而，模式坍塌、训练不稳定等问题严重制约着 GAN 家族的发展。为了提图像质量、样本多样性的角度量化评价 GAN 模型的性能，研究者们提出了一系列度量指标，其中 FID 就是近年来备受关注的明星技术，本文将详细介绍如何在 python 环境下实现 Frechet Inception 距离（FID）。

Frechet Inception 距离得分（Frechet Inception Distance score，FID）是计算真实图像和生成图像的特征向量之间距离的一种度量。

FID 从原始图像的计算机视觉特征的统计方面的相似度来衡量两组图像的相似度，这种视觉特征是使用 Inception v3 图像分类模型计算的得到的。分数越低代表两组图像越相似，或者说二者的统计量越相似，FID 在最佳情况下的得分为 0.0，表示两组图像相同。

FID 分数被用于评估由生成性对抗网络生成的图像的质量，较低的分数与较高质量的图像有很高的相关性。