Esta es la aplicación para Linux ConvNeXt V2, cuya última versión se puede descargar como ConvNeXt-V2sourcecode.tar.gz. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada ConvNeXt V2 con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.
- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación, instálala y ejecútala.
CAPTURAS DE PANTALLA:
ConvNeXt V2
DESCRIPCIÓN:
ConvNeXt V2 es una evolución de la arquitectura ConvNeXt que codiseña redes convolucionales junto con aprendizaje autosupervisado. La versión V2 introduce un marco de autocodificador enmascarado completamente convolucional (FCMAE), donde se enmascaran partes de la imagen y la red reconstruye el contenido faltante, combinando el sesgo inductivo convolucional con un potente preentrenamiento. Una innovación clave es la incorporación de una nueva capa de Normalización de Respuesta Global (GRN) a la estructura principal de ConvNeXt, que mejora la competencia entre características en los canales. El resultado es una convnet que compite fuertemente con las arquitecturas de transformador en los puntos de referencia de reconocimiento, a la vez que es eficiente y compatible con el hardware. El repositorio proporciona implementaciones oficiales de PyTorch para múltiples tamaños de modelo (Atto, Femto, Pico, hasta Huge), conversión de pesos JAX, código para preentrenamiento/ajuste fino y puntos de control preentrenados. Admite tanto preentrenamiento autosupervisado como ajuste fino supervisado.
Caracteristicas
- Preentrenamiento de autocodificador enmascarado completamente convolucional (FCMAE)
- Normalización de Respuesta Global (GRN) para mejorar la competencia del canal
- Múltiples tamaños de modelos (Atto, Femto, Pico, Tiny, Base, Large, Huge)
- Soporte para procesos de aprendizaje supervisados y autosupervisados
- Puntos de control preentrenados (convertidos desde JAX) e implementación de PyTorch
- Utilidades y código de entrenamiento y ajuste fino tanto para preentrenamiento como para evaluación
Lenguaje de programación
Python
Categorías
Esta aplicación también se puede descargar desde https://sourceforge.net/projects/convnext-v2.mirror/. Está alojada en OnWorks para facilitar su ejecución en línea desde uno de nuestros sistemas operativos gratuitos.