Dies ist die Windows-App namens Theseus, deren neueste Version als 0.2.2sourcecode.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens Theseus 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:
Theseus
BESCHREIBUNG:
Theseus ist eine Bibliothek für differenzierbare nichtlineare Optimierung, mit der Sie Solver wie Gauss-Newton oder Levenberg-Marquardt in PyTorch-Modelle einbetten können. Probleme werden als Faktorgraphen mit Variablen auf Mannigfaltigkeiten (z. B. SE(3), SO(3)) ausgedrückt, sodass klassische Robotik- und Vision-Aufgaben – Bündelausgleichung, Pose-Graph-Optimierung, Hand-Auge-Kalibrierung – prägnant formuliert und effizient gelöst werden können. Da die Lösungen differenzierbar sind, können Sie durch die Optimierung rückwärtspropagieren, um Kostengewichte, Merkmalsextraktoren oder Initialisierungsnetzwerke durchgängig zu erlernen. Die Implementierung unterstützt Batch-Optimierung auf der GPU, robuste Verluste, Dämpfungsstrategien und benutzerdefinierte Faktoren und ist somit für Echtzeitsysteme geeignet. Hilfspakete bieten geometrische Primitive und Dienstprogramme zum Erstellen von Prioren, relativen Beschränkungen und Messmodellen. Theseus schließt die Lücke zwischen klassischer Optimierung und Deep Learning und ermöglicht hybride Systeme, die Komponenten erlernen.
Eigenschaften
- Differenzierbare Gauss-Newton- und Levenberg-Marquardt-Löser in PyTorch
- Faktorgraph-API mit Mannigfaltigkeitsvariablen wie SE(3) und SO(3)
- Gebündelte, GPU-beschleunigte Lösungen mit robusten Verlustfunktionen
- Autograd-Support, um Kosten, Funktionen oder Initialisierungen durchgängig zu lernen
- Geometriehelfer und wiederverwendbare Faktoren für SLAM und Bündelausgleichung
- Erweiterbares Design für benutzerdefinierte Variablen, Faktoren und Dämpfungsrichtlinien
Programmiersprache
Python
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/theseus.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.