Dies ist die Linux-App namens PML, deren neueste Version als v2.3.0.zip heruntergeladen werden kann. Es kann online im kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens PML mit 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
PML
BESCHREIBUNG
Diese Bibliothek enthält 9 Module, von denen jedes unabhängig in Ihrer vorhandenen Codebasis verwendet oder für einen vollständigen Trainings-/Test-Workflow miteinander kombiniert werden kann. Um den Verlust in Ihrer Trainingsschleife zu berechnen, übergeben Sie die von Ihrem Modell berechneten Einbettungen und die entsprechenden Beschriftungen. Die Einbettungen sollten eine Größe (N, embedding_size) haben, und die Etiketten sollten eine Größe (N) haben, wobei N die Stapelgröße ist. Der TripletMarginLoss berechnet alle möglichen Tripletts innerhalb des Stapels, basierend auf den Labels, die Sie ihm übergeben. Anker-positive Paare werden durch Einbettungen gebildet, die dieselbe Bezeichnung haben, und Anker-negative Paare werden durch Einbettungen gebildet, die unterschiedliche Bezeichnungen haben. Verlustfunktionen können mithilfe von Distanzen, Reduzierern und Regularisierern angepasst werden. Im folgenden Diagramm findet ein Miner die Indizes von harten Paaren innerhalb eines Stapels. Diese werden verwendet, um in die Entfernungsmatrix zu indizieren, die durch das Entfernungsobjekt berechnet wird. Für dieses Diagramm ist die Verlustfunktion paarbasiert, sodass ein Verlust pro Paar berechnet wird.
Eigenschaften
- Verlustfunktionen anpassen
- Verwenden Sie Verlustfunktionen für unüberwachtes / selbstüberwachtes Lernen
- Erforderliche PyTorch-Versionslampe >= 1.6
- Die Entwicklung erfolgt im dev-Zweig
- Code wird mit black und isort formatiert
- Sie können die Testdatentypen und das Testgerät als Umgebungsvariablen angeben
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/pml.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.
