Dies ist die Windows-App namens MobileCLIP, deren neueste Version als ml-mobileclipsourcecode.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens MobileCLIP 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:
MobileCLIP
BESCHREIBUNG:
MobileCLIP ist eine Familie effizienter Bild-Text-Embedding-Modelle für Echtzeit-Abruf auf dem Gerät und Zero-Shot-Klassifizierung. Das Repository bietet Trainings-, Inferenz- und Evaluierungscode für mit DataCompDR trainierte MobileCLIP-Modelle und für neuere mit DFNDR trainierte MobileCLIP2-Modelle. Es enthält eine iOS-Demo-App und Core ML-Artefakte, um die praktische Offline-Fotosuche und -klassifizierung auf iPhone-Hardware zu demonstrieren. Projektnotizen heben Kompromisse zwischen Latenz und Genauigkeit hervor, wobei MobileCLIP2-Varianten größere Basislinien bei deutlich geringerer Parameteranzahl und Laufzeit auf Mobilgeräten erreichen oder übertreffen. Ein begleitendes „mobileclip-dr“-Repository beschreibt groß angelegte, verteilte Datengenerierungs-Pipelines, die zum Verstärken von Datensätzen über Milliarden von Samples auf Tausenden von GPUs verwendet werden. Insgesamt legt MobileCLIP Wert auf durchgängige Praktikabilität: skalierbares Training, einsetzbare Modelle und Demos für Verbraucher.
Eigenschaften
- Effiziente Bild-Text-Einbettungen, optimiert für mobile Latenz
- Trainings-, Inferenz- und Evaluierungspipelines für MobileCLIP und MobileCLIP2
- iOS-Demo-App und Core ML-Modelle für die Offline-Suche
- Hohe Genauigkeit bei niedrigeren Parametern und Laufzeiten im Vergleich zu größeren Basislinien
- Tools zur Datensatzverstärkung über die zugehörige DR-Codebasis
- Zero-Shot-Abruf und Klassifizierung für On-Device-Erlebnisse
Programmiersprache
Python
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/mobileclip.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.