Esta es la aplicación de Windows llamada DeepCTR cuya última versión se puede descargar como v0.9.3.zip. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada DeepCTR 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.
CAPTURAS DE PANTALLA:
ProfundoCTR
DESCRIPCIÓN:
DeepCTR es un paquete fácil de usar, modular y ampliable de modelos CTR basados en aprendizaje profundo junto con muchas capas de componentes centrales que se pueden usar para construir fácilmente modelos personalizados. Puede utilizar cualquier modelo complejo con model.fit () y model.predict (). Proporcione una interfaz similar a tf.keras.Model para un experimento rápido. Proporcione una interfaz de estimador de flujo tensorial para datos a gran escala y capacitación distribuida. Es compatible con tf 1.xy tf 2.x. Con el gran éxito del aprendizaje profundo, las técnicas basadas en DNN se han utilizado ampliamente en la tarea de predicción de CTR. Los datos en la tarea de estimación de CTR generalmente incluyen características categóricas de alta cardinalidad y escasez y algunas características numéricas densas. Dado que los DNN son buenos para manejar características numéricas densas, generalmente asignamos las características categóricas dispersas a numéricas densas a través de la técnica de incrustación.
Caracteristicas
- CCPM (modelo de predicción de clics convolucionales)
- PNN (red neuronal basada en productos)
- FNN (red neuronal compatible con factorización)
- MLR (regresión logística mixta / modelo lineal por partes)
- NFM (máquina de factorización neuronal)
- DCN (red profunda y cruzada)
Lenguaje de programación
Python
Categorías
Esta es una aplicación que también se puede obtener de https://sourceforge.net/projects/deepctr.mirror/. Se ha alojado en OnWorks para poder ejecutarlo online de la forma más sencilla desde uno de nuestros Sistemas Operativos gratuitos.