学习GAN模型量化评价，先从掌握FID开始吧( 三 )_选自machinelearningmastery作者：Jaso

如何计算真实图像的 FID？

机器之心整理了前三部分的代码，感兴趣的读者可以在原文中查看 Keras 的 FID 实现和计算真实图像 FID 的方法。

何为 FID？

Frechet Inception 距离（FID）是评估生成图像质量的度量标准，专门用于评估生成对抗网络的性能。

FID 分数由 Martin Heusel 等人于 2017 年在论文「GANs Trained by a Two Time-Scale Update Rule Converge to a Local Nash Equilibrium」（https://arxiv.org/abs/1706.08500017）中提出并使用。

该分数作为对现有的 Inception 分数（IS）的改进而被提出。

为了评估 GAN 在图像生成任务中的性能，我们引入了「Frechet Inception Distance」（FID），它能比 Inception 分数更好地计算生成图像与真实图像的相似性。——「GANs Trained by a Two Time-Scale Update Rule Converge to a Local Nash Equilibrium」（https://arxiv.org/abs/1706.08500）, 2017.