tabsyn
Official Implementations of "Mixed-Type Tabular Data Synthesis with Score-based Diffusion in Latent Space""
파일 탐색기
최종 버전 다운로드 (.zip)- __init__.py
- layers.py
- tabular_unet.py
- diffusion_continuous.py
- diffusion_discrete.py
- evaluation.py
- main.py
- sample.py
- tabular_dataload.py
- tabular_transformer.py
- utils.py
- Encoder.cpython-310.pyc
- Goggle.cpython-310.pyc
- GoggleLoss.cpython-310.pyc
- GraphDecoder.cpython-310.pyc
- GraphInputProcessor.cpython-310.pyc
- LearnedGraph.cpython-310.pyc
- Encoder.py
- Goggle.py
- GoggleLoss.py
- GraphDecoder.py
- GraphInputProcessor.py
- LearnedGraph.py
- RGCNConv.py
- data_utils.py
- GoggleModel.py
- main.py
- sample.py
- great.cpython-310.pyc
- great_dataset.cpython-310.pyc
- great_start.cpython-310.pyc
- great_trainer.cpython-310.pyc
- great_utils.cpython-310.pyc
- great.py
- great_dataset.py
- great_start.py
- great_trainer.py
- great_utils.py
- main.py
- post_process.py
- sample.py
- utils.py
- main.py
- config.cpython-310.pyc
- config.cpython-39.pyc
- default_tabular_configs.cpython-310.pyc
- default_tabular_configs.cpython-39.pyc
- config.py
- default_tabular_configs.py
- ema.cpython-310.pyc
- ema.cpython-39.pyc
- layers.cpython-310.pyc
- layers.cpython-39.pyc
- layerspp.cpython-310.pyc
- layerspp.cpython-39.pyc
- ncsnpp_tabular.cpython-310.pyc
- ncsnpp_tabular.cpython-39.pyc
- utils.cpython-310.pyc
- utils.cpython-39.pyc
- ema.py
- layers.py
- layerspp.py
- ncsnpp_tabular.py
- tabular_utils.py
- utils.py
- datasets.py
- likelihood.py
- losses.py
- main.py
- sample.py
- sample_steps.py
- sampling.py
- sde_lib.py
- utils.py
- adult.toml
- beijing.toml
- default.toml
- magic.toml
- news.toml
- shoppers.toml
- gaussian_multinomial_distribution.cpython-310.pyc
- modules.cpython-310.pyc
- utils.cpython-310.pyc
- gaussian_multinomial_distribution.py
- modules.py
- utils.py
- main_sample.py
- main_train.py
- sample.py
- train.py
- adult.json
- beijing.json
- default.json
- magic.json
- news.json
- shoppers.json
- mle.py
- tabular_dataload.py
- tabular_transformer.py
- eval_dcr.py
- eval_density.py
- eval_detection.py
- eval_mle.py
- eval_quality.py
- density.jpg
- heat_map.jpg
- nfe1.jpg
- radar.jpg
- tabsyn_model.jpg
- __init__.py
- data.py
- deep.py
- env.py
- metrics.py
- util.py
- main.py
- model.py
- diffusion_utils.py
- latent_utils.py
- main.py
- model.py
- sample.py
- CODE_OF_CONDUCT.md
- CONTRIBUTING.md
- download_dataset.py
- eval_impute.py
- impute.py
- LICENSE
- main.py
- NOTICE
- process_dataset.py
- README.md
- requirements.txt
- utils.py
- utils_train.py
# 설치 가이드
1. 코드 내려받기
git clone https://github.com/amazon-science/tabsyn
깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.
cd tabsyn
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
2. 공식 설치 스크립트
쉬움 추천사전 준비물
- Python 3 pip 명령어를 쓰려면 Python이 필요합니다.
pip install torch torchvision torchaudio
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install dgl -f https://data.dgl.ai/wheels/cu117/repo.html
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install torch_geometric
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.0.1+cu117.html
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
설치 후 새 터미널을 열고, 프로그램의 버전 확인 명령(예: --version)으로 정상 설치됐는지 확인하세요.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
3. Python
쉬움사전 준비물
pip install torch torchvision torchaudio
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install -r requirements.txt
requirements.txt 등에 명시된 파이썬 라이브러리를 설치합니다.
pip install dgl -f https://data.dgl.ai/wheels/cu117/repo.html
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install torch_geometric
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.0.1+cu117.html
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
// repository documentation
Was this content helpful?
(0 ratings)