Esta es la aplicación para Linux llamada DeepCluster, cuya última versión se puede descargar como deepclustersourcecode.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 DeepCluster 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:
Clúster profundo
DESCRIPCIÓN:
DeepCluster es un algoritmo clásico de aprendizaje de representación basado en agrupamiento autosupervisado que agrupa iterativamente las características de la imagen y utiliza las asignaciones de clúster como pseudoetiquetas para entrenar la red. En cada ronda, las características producidas por la red se agrupan (p. ej., k-means), y los identificadores de clúster se convierten en objetivos de supervisión en la siguiente época, lo que anima al modelo a refinar su representación para separar mejor los grupos semánticos. Este esquema alterno de "agrupamiento y entrenamiento" ayuda al modelo a descubrir gradualmente una estructura significativa sin etiquetas. DeepCluster fue uno de los primeros éxitos en el aprendizaje visual de características no supervisado, demostrando que la reformulación basada en agrupamiento puede rivalizar con las líneas base supervisadas para muchas tareas posteriores. El repositorio incluye código para extracción de características, agrupamiento, bucles de entrenamiento y puntos de referencia de evaluación como sondas lineales. Gracias a su simplicidad y diseño modular, DeepCluster ha inspirado muchos métodos posteriores.
Caracteristicas
- Aprendizaje no supervisado mediante agrupamiento iterativo y supervisión de pseudoetiquetas
- Canalización alterna: características del clúster → usar identificadores de clúster para entrenar la red
- Compatibilidad con k-means u otros algoritmos de agrupamiento en el espacio de características
- Scripts de entrenamiento y evaluación para tareas posteriores (clasificación, detección)
- Código modular para intercambiar arquitecturas de red o métodos de agrupamiento
- Referencia de base para muchos enfoques autosupervisados posteriores
Lenguaje de programación
Python
Categorías
Esta aplicación también se puede obtener de https://sourceforge.net/projects/deepcluster.mirror/. Está alojada en OnWorks para facilitar su ejecución en línea desde uno de nuestros sistemas operativos gratuitos.