هذا هو تطبيق Windows المسمى Cleanlab والذي يمكن تنزيل أحدث إصدار له كـ v2.5.0--AllmajorMLtasksnowsupportedsourcecode.zip. يمكن تشغيله عبر الإنترنت في موفر الاستضافة المجاني OnWorks لمحطات العمل.
قم بتنزيل هذا التطبيق المسمى Cleanlab وتشغيله عبر الإنترنت مجانًا مع OnWorks.
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 أي محاكي لنظام التشغيل OnWorks عبر الإنترنت من موقع الويب هذا ، ولكن أفضل محاكي Windows عبر الإنترنت.
- 5. من نظام التشغيل OnWorks Windows 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.
- 7. قم بتنزيل Wine من مستودعات برامج توزيعات Linux الخاصة بك. بمجرد التثبيت ، يمكنك النقر نقرًا مزدوجًا فوق التطبيق لتشغيله باستخدام Wine. يمكنك أيضًا تجربة PlayOnLinux ، وهي واجهة رائعة على Wine والتي ستساعدك على تثبيت برامج وألعاب Windows الشائعة.
يعد Wine طريقة لتشغيل برامج Windows على نظام Linux ، ولكن بدون الحاجة إلى Windows. Wine عبارة عن طبقة توافق Windows مفتوحة المصدر يمكنها تشغيل برامج Windows مباشرة على أي سطح مكتب Linux. بشكل أساسي ، يحاول Wine إعادة تنفيذ ما يكفي من Windows من البداية حتى يتمكن من تشغيل جميع تطبيقات Windows دون الحاجة إلى Windows بالفعل.
SCREENSHOTS
Ad
كلينلاب
الوصف
يساعدك Cleanlab على تنظيف البيانات والتسميات من خلال الكشف تلقائيًا عن المشكلات في مجموعة بيانات ML. لتسهيل التعلم الآلي باستخدام بيانات العالم الحقيقي الفوضوية، تستخدم حزمة الذكاء الاصطناعي التي تركز على البيانات نماذجك الحالية لتقدير مشكلات مجموعة البيانات التي يمكن إصلاحها لتدريب نماذج أفضل. يقوم Cleanlab بتنظيف تسميات بياناتك عبر خوارزميات التعلم الواثقة الحديثة، المنشورة في هذه الورقة والمدونة. شاهد بعض مجموعات البيانات التي تم تنظيفها باستخدام Cleanlab على labelerrors.com. تساعدك هذه الحزمة في العثور على مشكلات التسمية ومشكلات البيانات الأخرى، حتى تتمكن من تدريب نماذج تعلم الآلة الموثوقة. تعمل جميع ميزات Cleanlab مع أي مجموعة بيانات وأي نموذج. نعم، أي نموذج: PyTorch، Tensorflow، Keras، JAX، HuggingFace، OpenAI، XGBoost، scikit-learn، وما إلى ذلك. إذا كنت تستخدم مصنفًا متوافقًا مع sklearn، فإن جميع أساليب Cleanlab تعمل خارج الصندوق.
شرح المميزات:
- تصنيف ثنائي ومتعدد الطبقات
- تصنيف متعدد التصنيفات (مثل وضع علامات على الصور/المستندات)
- تصنيف الرمز المميز (مثل التعرف على الكيان في النص)
- التصنيف مع البيانات التي تم تصنيفها بواسطة عدة شروحين
- التعلم النشط مع العديد من التعليقات التوضيحية (اقترح البيانات التي سيتم تصنيفها أو إعادة تسميتها لتحسين النموذج أكثر)
- اكتشاف خارج التوزيع وخارجه
لغة البرمجة
Python
التصنيفات
هذا تطبيق يمكن جلبه أيضًا من https://sourceforge.net/projects/cleanlab.mirror/. وقد تمت استضافته في OnWorks ليتم تشغيله عبر الإنترنت بأسهل طريقة من أحد أنظمة التشغيل المجانية لدينا.
