Dies ist die Windows-App mit dem Namen DeepLearningProject, deren neueste Version als FirstreleaseoftheDeepLearningProject.zip heruntergeladen werden kann. Es kann online im kostenlosen Hosting-Anbieter OnWorks für Workstations betrieben werden.
Laden Sie diese App mit dem Namen DeepLearningProject 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 einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS
Ad
DeepLearningProjekt
BESCHREIBUNG
Dieses Tutorial versucht, das zu tun, was die meisten online verfügbaren Tutorials zum maschinellen Lernen nicht tun. Es ist kein 30-minütiges Tutorial, das Ihnen beibringt, wie Sie „Ihr eigenes neuronales Netzwerk trainieren“ oder „Deep Learning in weniger als 30 Minuten lernen“. Es ist eine vollständige Pipeline, die Sie tun müssten, wenn Sie tatsächlich mit maschinellem Lernen arbeiten – und Ihnen alle Teile sowie alle Implementierungsentscheidungen und -details vorstellen, die getroffen werden müssen. Der Datensatz ist kein Standard-Datensatz wie MNIST oder CIFAR, Sie erstellen Ihren eigenen Datensatz. Dann werden Sie ein paar herkömmliche Algorithmen für maschinelles Lernen durchlaufen, bevor Sie schließlich zum Deep Learning gelangen! Im Herbst 2016 war ich Teaching Fellow (Harvards Version von TA) für die Graduiertenklasse „Advanced Topics in Data Science (CS209/109)“ an der Harvard University. Ich war für die Gestaltung des Klassenprojekts verantwortlich, das den Schülern gegeben wurde, und dieses Tutorial wurde auf dem Projekt aufgebaut, das ich für die Klasse entworfen habe.
Eigenschaften
- Richten Sie die Conda-Umgebung im Jupyter-Notebook ein
- Richten Sie mit docker-compose einen Docker-Container ein
- Sie können dem Bild Conda- oder Pip-Pakete hinzufügen
- Führt die Leser von Grund auf in eine ganze Pipeline für maschinelles Lernen ein
- Das Repository verfügt über eine Conda-Konfigurationsdatei, die das Einrichten sehr einfach macht
- Erstellen Sie eine neue Conda-Umgebung
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/deeplearningproject.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.
