This is the Windows app named DeiT (Data-efficient Image Transformers) whose latest release can be downloaded as deitsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Laden Sie diese App namens DeiT (Data-efficient Image Transformers) 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 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
DeiT (Dateneffiziente Bildtransformatoren)
BESCHREIBUNG
DeiT (Data-efficient Image Transformers) zeigt, dass Vision Transformers mithilfe leistungsstarker Trainingsrezepte und Wissensdestillation wettbewerbsfähig auf ImageNet-1k ohne externe Daten trainiert werden können. Die Kernidee ist eine spezialisierte Destillationsstrategie – einschließlich eines lernbaren „Destillationstokens“ –, die es einem Transformer ermöglicht, effektiv von einem CNN oder Transformer-Lehrer auf Datensätzen mit bescheidenem Umfang zu lernen. Das Projekt bietet kompakte ViT-Varianten (Tiny/Small/Base), die ein hervorragendes Genauigkeits-Durchsatz-Verhältnis erreichen und Transformer auch über umfangreiche Vortrainingsprogramme hinaus praktikabel machen. Das Training umfasst sorgfältig abgestimmte Augmentationen, Regularisierungen und Optimierungspläne, um das Lernen zu stabilisieren und die Stichprobeneffizienz zu verbessern. Das Repo bietet vortrainierte Checkpoints, Referenzskripte und Ablationsstudien, die verdeutlichen, welche Bestandteile für dateneffizientes ViT-Training am wichtigsten sind.
Eigenschaften
- Dateneffizientes ViT-Training, das von Grund auf auf ImageNet-1k funktioniert
- Wissensdestillation mit einem dedizierten Destillationstoken
- Kompakter Modellzoo (Tiny/Small/Base) mit starker Genauigkeits-Geschwindigkeits-Balance
- Klare Trainingsrezepte mit Erweiterungs- und Regelplänen
- Vortrainierte Checkpoints und reproduzierbare Referenzskripte
- Ablationen und Richtlinien zur Anpassung von DeiT an neue Datensätze und Aufgaben
Programmiersprache
Python
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/deit-data-img-trans.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.
