هذا تطبيق ويندوز يُدعى ConvNeXt، ويمكن تنزيل أحدث إصدار منه بصيغة ConvNeXtsourcecode.tar.gz. ويمكن تشغيله عبر الإنترنت من خلال موفر الاستضافة المجاني OnWorks لمحطات العمل.
قم بتنزيل وتشغيل هذا التطبيق المسمى ConvNeXt 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 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.
لقطات الشاشة:
كونفنيكست
الوصف:
ConvNeXt هي بنية شبكة عصبية تلافيفية (CNN) حديثة، مصممة لمنافسة محولات الرؤية (ViTs) من حيث الدقة وقابلية التوسع، مع الحفاظ على بساطة وكفاءة CNNs. تعيد هذه البنية النظر في الهياكل الأساسية الكلاسيكية لشبكات ResNet من خلال منظور اتجاهات تصميم المحولات - أحجام النواة الكبيرة، والاختناقات المعكوسة، وتطبيع الطبقات، وتنشيطات GELU - لسد فجوة الأداء بين عمليات الالتفاف والنماذج القائمة على الانتباه. هيكل ConvNeXt الهرمي البسيط يجعله فعالاً في كل من التدريب المسبق والضبط الدقيق عبر مجموعة واسعة من مهام التعرف البصري. يحقق نتائج تنافسية أو متفوقة على ImageNet ومجموعات البيانات اللاحقة، مع سهولة نشره وتدريبه مقارنةً بالمحولات. يوفر المستودع نماذج مدربة مسبقًا، ووصفات تدريب، ودراسات استئصال توضح كيف تُحقق خيارات التصميم التدريجي مجتمعةً أداءً متطورًا.
شرح المميزات:
- هندسة CNN الحديثة مستوحاة من مبادئ تصميم Vision Transformer
- التفافات النواة الكبيرة وكتل عنق الزجاجة المقلوبة لتحسين التمثيل
- تطبيع الطبقة وتنشيط GELU لتحسين الاستقرار والدقة
- هيكل هرمي مع خصائص قياس قوية عبر أحجام النماذج
- نقاط تفتيش مدربة مسبقًا ووصفات تدريب لـ ImageNet والمهام اللاحقة
- النشر الفعال والتوافق مع الأنظمة القائمة على CNN
لغة البرمجة
Python
التصنيفات
هذا تطبيق يُمكن تنزيله أيضًا من https://sourceforge.net/projects/convnext.mirror/. وقد استُضيف في OnWorks لتشغيله عبر الإنترنت بسهولة من أحد أنظمتنا التشغيلية المجانية.