Dies ist die Linux-App namens Lightly, deren neueste Version als CyclicCosineScheduler.zip heruntergeladen werden kann. Es kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App mit dem Namen Lightly with OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
Leicht
BESCHREIBUNG
Eine Python-Bibliothek für selbstüberwachtes Lernen an Bildern. Wir bei Lightly sind leidenschaftliche Ingenieure, die Deep Learning effizienter machen wollen. Deshalb wollen wir – gemeinsam mit unserer Community – den Einsatz selbstüberwachter Methoden zum Verstehen und Kuratieren von Bildrohdaten bekannt machen. Unsere Lösung kann vor jedem Datenannotationsschritt angewendet werden, und die erlernten Darstellungen können zur Visualisierung und Analyse von Datensätzen verwendet werden. Dies ermöglicht die Auswahl des besten Kernsatzes von Proben für das Modelltraining durch erweiterte Filterung. Wir stellen verteilte Beispiele für PyTorch, PyTorch Lightning und PyTorch Lightning für jedes der Modelle bereit, um Ihr Projekt anzukurbeln. Erfordert leicht Python 3.6+, aber wir empfehlen die Verwendung von Python 3.7+. Wir empfehlen, Lightly in einer Linux- oder OSX-Umgebung zu installieren. Mit lightly können Sie die neuesten selbstüberwachten Lernmethoden modular nutzen und dabei die volle Leistungsfähigkeit von PyTorch nutzen. Experimentieren Sie mit verschiedenen Backbones, Modellen und Verlustfunktionen.
Eigenschaften
- Modulares Framework, das Low-Level-Bausteine wie Verlustfunktionen verfügbar macht
- Unterstützung für Multi-GPU-Training mit PyTorch Lightning
- Einfach zu bedienen und in einem PyTorch-ähnlichen Stil geschrieben
- Unterstützt benutzerdefinierte Backbone-Modelle für selbstüberwachtes Vortraining
- Sie finden Beispielcode für alle unterstützten Modelle
- Wir stellen verteilte Beispiele für PyTorch, PyTorch Lightning und PyTorch Lightning für jedes der Modelle bereit, um Ihr Projekt anzukurbeln
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/lightly.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.