هذا تطبيق لينكس باسم MoCo v3، ويمكن تنزيل أحدث إصدار منه بصيغة moco-v3sourcecode.tar.gz. ويمكن تشغيله عبر الإنترنت من خلال موفر الاستضافة المجاني OnWorks لمحطات العمل.
قم بتنزيل وتشغيل هذا التطبيق المسمى MoCo v3 مع OnWorks مجانًا عبر الإنترنت.
اتبع هذه التعليمات لتشغيل هذا التطبيق:
- 1. قم بتنزيل هذا التطبيق على جهاز الكمبيوتر الخاص بك.
- 2. أدخل في مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX باسم المستخدم الذي تريده.
- 3. تحميل هذا التطبيق في هذا الملف.
- 4. ابدأ تشغيل OnWorks Linux عبر الإنترنت أو محاكي Windows عبر الإنترنت أو محاكي MACOS عبر الإنترنت من هذا الموقع.
- 5. من نظام تشغيل OnWorks Linux الذي بدأته للتو ، انتقل إلى مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX مع اسم المستخدم الذي تريده.
- 6. قم بتنزيل التطبيق وتثبيته وتشغيله.
لقطات الشاشة:
موكو الإصدار 3
الوصف:
MoCo v3 هو إعادة تنفيذ من PyTorch لـ Momentum Contrast v3 (MoCo v3)، وهو إطار عمل متطور للتعلم الذاتي الإشراف من Facebook Research لتعلم التمثيل المرئي باستخدام شبكتي ResNet وVision Transformer (ViT). طُوّر هذا الإصدار في الأصل باستخدام TensorFlow لوحدات معالجة الرسومات (TPUs)، وهو يُعيد إنتاج نتائج البحث بدقة على وحدات معالجة الرسومات (GPUs)، مع توفير واجهة PyTorch سهلة الوصول وقابلة للتطوير. يُقدّم MoCo v3 تحسينات لتدريب ViTs ذاتية الإشراف من خلال الجمع بين التعلم التبايني والبنى القائمة على المحولات، مما يُحقق أداءً خطيًا وشاملًا قويًا في الضبط الدقيق على معايير ImageNet. يدعم المستودع التدريب الموزع متعدد العقد، والدقة المختلطة التلقائية، والتوسع الخطي لمعدلات التعلم لأنظمة الدفعات الكبيرة. كما يتضمن نصوصًا برمجية للتدريب المسبق ذاتي الإشراف، والتصنيف الخطي، والضبط الدقيق ضمن إطار عمل DeiT.
شرح المميزات:
- متوافق مع ImageNet ومعايير الرؤية القياسية للتعلم بالنقل
- قابلة للتكوين عبر علامات سطر الأوامر مع معلمات فرعية قابلة للتطوير وإعدادات دفعية
- نصوص متكاملة للتدريب المسبق الخاضع للإشراف الذاتي والتقييم الخطي والضبط الدقيق لـ DeiT
- يحقق نتائج قوية في ImageNet (على سبيل المثال، 74.6% من أعلى 1 خطيًا على ResNet-50، و83.2% من ViT-B المضبوط بدقة)
- يدعم التدريب الموزع متعدد وحدات معالجة الرسومات على نطاق واسع بدقة مختلطة
- تنفيذ PyTorch لـ MoCo v3 ذاتية الإشراف لنماذج ResNet وViT
لغة البرمجة
Python
التصنيفات
هذا تطبيق يُمكن تنزيله أيضًا من https://sourceforge.net/projects/moco-v3.mirror/. وقد استُضيف في OnWorks لتشغيله عبر الإنترنت بسهولة من أحد أنظمتنا التشغيلية المجانية.