This is the Windows app named ResNeXt whose latest release can be downloaded as ResNeXtsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Download and run online this app named ResNeXt with OnWorks for free.
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
ريسنيكست
الوصف
ResNeXt is a deep neural network architecture for image classification built on the idea of aggregated residual transformations. Instead of simply increasing depth or width, ResNeXt introduces a new dimension called cardinality, which refers to the number of parallel transformation paths (i.e. the number of “branches”) that are aggregated together. Each branch is a small transformation (e.g. bottleneck block) and their outputs are summed—this enables richer representation without excessive parameter blowup. The design is modular and homogeneous, making it relatively easy to scale (by tuning cardinality, width, depth) and adopt in existing residual frameworks. The official repository offers a Torch (Lua) implementation with code for training, evaluation, and pretrained models on ImageNet. In practice, ResNeXt models often outperform standard ResNet models of comparable complexity.
شرح المميزات:
- Aggregated residual transformations combining multiple parallel branches
- Introduces “cardinality” as a new architectural dimension
- Modular bottleneck blocks with easy scaling across width/depth/cardinality
- Torch implementation with training and evaluation scripts
- Pretrained models for ImageNet classification
- Compatibility with residual architectures and straightforward integration
لغة البرمجة
لوا
التصنيفات
This is an application that can also be fetched from https://sourceforge.net/projects/resnext.mirror/. It has been hosted in OnWorks in order to be run online in an easiest way from one of our free Operative Systems.
