Dies ist die Windows-App namens TensorFlow Model Garden, deren neueste Version als TensorFlowOfficialModels2.14.2sourcecode.zip heruntergeladen werden kann. Es kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens TensorFlow Model Garden 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
TensorFlow-Modellgarten
BESCHREIBUNG
Der TensorFlow Model Garden ist ein Repository mit einer Reihe verschiedener Implementierungen modernster (SOTA) Modelle und Modellierungslösungen für TensorFlow-Benutzer. Unser Ziel ist es, die Best Practices für die Modellierung zu demonstrieren, damit TensorFlow-Benutzer TensorFlow für ihre Forschung und Produktentwicklung in vollem Umfang nutzen können. Um die Transparenz und Reproduzierbarkeit unserer Modelle zu verbessern, werden auf TensorBoard.dev im Rahmen des Möglichen auch Trainingsprotokolle für Modelle bereitgestellt, obwohl nicht alle Modelle geeignet sind. Eine flexible und leichte Bibliothek, die Benutzer problemlos verwenden oder teilen können, wenn sie benutzerdefinierten Trainingsschleifencode in TensorFlow 2.x schreiben. Es lässt sich nahtlos in tf.distribute integrieren und unterstützt die Ausführung auf verschiedenen Gerätetypen (CPU, GPU und TPU).
Eigenschaften
- Eine Sammlung von Beispielimplementierungen für SOTA-Modelle unter Verwendung der neuesten High-Level-APIs von TensorFlow 2
- Offiziell gewartet, unterstützt und auf dem neuesten Stand gehalten mit den neuesten TensorFlow 2-APIs von TensorFlow
- Angemessen optimiert für schnelle Leistung und dennoch gute Lesbarkeit
- Eine Sammlung von Forschungsmodellimplementierungen in TensorFlow 1 oder 2 durch Forscher
- Von Forschern gepflegt und unterstützt
- Eine kuratierte Liste der GitHub-Repositories mit Modellen und Implementierungen für maschinelles Lernen, die von TensorFlow 2 unterstützt werden
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/tensorflow-model-garden.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, um es auf einfachste Weise online über eines unserer kostenlosen Betriebssysteme ausführen zu können.
