Esta es la aplicación para Linux llamada LossFunctions.jl, cuya última versión se puede descargar como v1.0.2sourcecode.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 LossFunctions.jl 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.
SCREENSHOTS
Ad
LossFunctions.jl
DESCRIPCIÓN
Este paquete representa un esfuerzo comunitario para centralizar la definición e implementación de funciones de pérdida en Julia. Como tal, forma parte del ecosistema JuliaML. Su único propósito es proporcionar una implementación eficiente y extensible de diversas funciones de pérdida utilizadas en el aprendizaje automático (ML). Por lo tanto, está diseñado para servir como un backend específico para otras bibliotecas de ML que requieren pérdidas para realizar sus tareas. Para ello, proporcionamos una cantidad considerable de funciones de pérdida cuidadosamente implementadas, así como una API para consultar sus propiedades (por ejemplo, la convexidad). Además, exponemos métodos para calcular sus valores, derivadas y segundas derivadas para observaciones individuales, así como para matrices de observaciones de tamaño arbitrario. En el caso de las matrices, el usuario también puede definir si se promedian o suman los resultados elemento por elemento, y cómo.
Caracteristicas
- Desde la perspectiva del usuario final, normalmente no es necesario importar este paquete directamente.
- Documentación disponible
- Este código es de libre uso según los términos de la licencia MIT.
- Este paquete proporciona una cantidad considerable de funciones de pérdida cuidadosamente implementadas.
- Exponemos métodos para calcular sus valores, derivadas y segundas derivadas para observaciones individuales.
- Paquete Julia que proporciona implementaciones eficientes y bien probadas para un conjunto diverso de funciones de pérdida
Lenguaje de programación
Julia
Categorías
Esta aplicación también se puede descargar desde https://sourceforge.net/projects/lossfunctions-jl.mirror/. Está alojada en OnWorks para facilitar su ejecución en línea desde uno de nuestros sistemas operativos gratuitos.
