Esta es la aplicación para Linux llamada ResNeXt, cuya última versión se puede descargar como ResNeXtsourcecode.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 ResNeXt 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
ResNeXt
DESCRIPCIÓN
ResNeXt es una arquitectura de red neuronal profunda para la clasificación de imágenes, basada en la idea de transformaciones residuales agregadas. En lugar de simplemente aumentar la profundidad o el ancho, ResNeXt introduce una nueva dimensión llamada cardinalidad, que se refiere al número de rutas de transformación paralelas (es decir, el número de "ramas") que se agregan. Cada rama es una pequeña transformación (por ejemplo, un bloque de cuello de botella) y sus resultados se suman; esto permite una representación más rica sin una sobrecarga excesiva de parámetros. El diseño es modular y homogéneo, lo que facilita su escalabilidad (mediante el ajuste de la cardinalidad, el ancho y la profundidad) y su adopción en marcos residuales existentes. El repositorio oficial ofrece una implementación de Torch (Lua) con código para entrenamiento, evaluación y modelos preentrenados en ImageNet. En la práctica, los modelos de ResNeXt suelen superar a los modelos ResNet estándar de complejidad comparable.
Caracteristicas
- Transformaciones residuales agregadas que combinan múltiples ramas paralelas
- Introduce la “cardinalidad” como una nueva dimensión arquitectónica
- Bloques de cuello de botella modulares con fácil escalabilidad en ancho, profundidad y cardinalidad
- Implementación de Torch con scripts de capacitación y evaluación
- Modelos preentrenados para la clasificación ImageNet
- Compatibilidad con arquitecturas residuales e integración sencilla
Lenguaje de programación
Lua
Categorías
Esta aplicación también se puede obtener de https://sourceforge.net/projects/resnext.mirror/. Está alojada en OnWorks para facilitar su ejecución en línea desde uno de nuestros sistemas operativos gratuitos.
