In [1]:
import sys, os
sys.path.extend(['../../src/commons'])
from pub_commons import DISP_ALPHA
%matplotlib inline
Using TensorFlow backend.
In [2]:
DISP_ALPHA(storedir='.', graph='test', step=168100, cmap='gist_gray', image=os.environ['image_name'])
value length
$\mathbf{y}$ $\sqrt { - g } g ^ { \mu _ { 1 } \nu _ { 1 } } g ^ { \mu _ { 2 } \nu _ { 2 } } \cdots g ^ { \mu _ { d - p } \nu _ { d - p } } { \tilde { F } } _ { \nu _ { 1 } \nu _ { 2 } \ldots \nu _ { d - p } } = \frac { 1 } { p ! } \epsilon ^ { \mu _ { 1 } \mu _ { 2 } \ldots \mu _ { d - p } \nu _ { 1 } \nu _ { 2 } \ldots \nu _ { p } } F _ { \nu _ { 1 } \nu _ { 2 } \ldots \nu _ { p } } , $ 147
$\mathbf{\hat{y}}$ $\sqrt { - g } g ^ { \mu _ { 1 } \nu _ { 1 } } g ^ { \mu _ { 2 } \nu _ { 2 } } \cdots g ^ { \mu _ { d - p } b _ { d - p } } \tilde { F } _ { \nu _ { 1 } \nu _ { 2 } \ldots \nu _ { d - p } } = \frac { 1 } { p ! } \epsilon ^ { \mu _ { 1 } \mu _ { 2 } \ldots \mu _ { d - p } \nu _ { 1 } \nu _ { 2 } \ldots \nu _ { p } } F _ { \nu _ { 1 } \nu _ { 2 } \dots \nu _ { p } } , $ 145
$\mathbf{y}$_seq \sqrt { - g } g ^ { \mu _ { 1 } \nu _ { 1 } } g ^ { \mu _ { 2 } \nu _ { 2 } } \cdots g ^ { \mu _ { d - p } \nu _ { d - p } } { \tilde { F } } _ { \nu _ { 1 } \nu _ { 2 } \ldots \nu _ { d - p } } = \frac { 1 } { p ! } \epsilon ^ { \mu _ { 1 } \mu _ { 2 } \ldots \mu _ { d - p } \nu _ { 1 } \nu _ { 2 } \ldots \nu _ { p } } F _ { \nu _ { 1 } \nu _ { 2 } \ldots \nu _ { p } } , 147
$\mathbf{\hat{y}}$_seq \sqrt { - g } g ^ { \mu _ { 1 } \nu _ { 1 } } g ^ { \mu _ { 2 } \nu _ { 2 } } \cdots g ^ { \mu _ { d - p } b _ { d - p } } \tilde { F } _ { \nu _ { 1 } \nu _ { 2 } \ldots \nu _ { d - p } } = \frac { 1 } { p ! } \epsilon ^ { \mu _ { 1 } \mu _ { 2 } \ldots \mu _ { d - p } \nu _ { 1 } \nu _ { 2 } \ldots \nu _ { p } } F _ { \nu _ { 1 } \nu _ { 2 } \dots \nu _ { p } } , 145
edit distance 0.0272109