Esta es la aplicación para Windows 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 cualquier emulador en línea de OS OnWorks desde este sitio web, pero mejor emulador en línea de Windows.
- 5. Desde el sistema operativo OnWorks Windows 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 e instálala.
- 7. Descargue Wine desde los repositorios de software de sus distribuciones de Linux. Una vez instalada, puede hacer doble clic en la aplicación para ejecutarla con Wine. También puedes probar PlayOnLinux, una elegante interfaz sobre Wine que te ayudará a instalar programas y juegos populares de Windows.
Wine es una forma de ejecutar software de Windows en Linux, pero no requiere Windows. Wine es una capa de compatibilidad de Windows de código abierto que puede ejecutar programas de Windows directamente en cualquier escritorio de Linux. Esencialmente, Wine está tratando de volver a implementar una cantidad suficiente de Windows desde cero para poder ejecutar todas esas aplicaciones de Windows sin necesidad de Windows.
SCREENSHOTS
Ad
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.
