این یک برنامه لینوکس به نام DeepCluster است که آخرین نسخه آن را می‌توانید با نام deepclustersourcecode.tar.gz دانلود کنید. می‌توانید آن را به صورت آنلاین در ارائه دهنده خدمات میزبانی رایگان OnWorks برای ایستگاه‌های کاری اجرا کنید.
این برنامه با نام DeepCluster with OnWorks را به صورت رایگان دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. OnWorks Linux آنلاین یا شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MACOS را از این وب سایت راه اندازی کنید.
- 5. از سیستم عامل لینوکس OnWorks که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. اپلیکیشن را دانلود کرده، نصب و اجرا کنید.
اسکرین شات ها:
دیپ کلاستر
DESCRIPTION:
DeepCluster یک الگوریتم یادگیری بازنمایی مبتنی بر خوشه‌بندی خودنظارتی کلاسیک است که به صورت تکراری ویژگی‌های تصویر را گروه‌بندی می‌کند و از تخصیص‌های خوشه‌بندی به عنوان شبه‌برچسب‌ها برای آموزش شبکه استفاده می‌کند. در هر دور، ویژگی‌های تولید شده توسط شبکه خوشه‌بندی می‌شوند (مثلاً k-means) و شناسه‌های خوشه در دوره بعدی به اهداف نظارت تبدیل می‌شوند و مدل را تشویق می‌کنند تا بازنمایی خود را برای جداسازی بهتر گروه‌های معنایی اصلاح کند. این طرح متناوب «خوشه‌بندی و آموزش» به مدل کمک می‌کند تا به تدریج ساختار معنادار بدون برچسب‌ها را کشف کند. DeepCluster یکی از موفقیت‌های اولیه در یادگیری ویژگی‌های بصری بدون نظارت بود و نشان داد که فرمول‌بندی مجدد مبتنی بر خوشه‌بندی می‌تواند برای بسیاری از وظایف پایین‌دستی با خطوط پایه نظارت‌شده رقابت کند. این مخزن شامل کدی برای استخراج ویژگی، خوشه‌بندی، حلقه‌های آموزشی و معیارهای ارزیابی مانند کاوشگرهای خطی است. به دلیل سادگی و طراحی ماژولار، DeepCluster الهام‌بخش بسیاری از روش‌های بعدی بوده است.
امکانات
- یادگیری بدون نظارت از طریق خوشه‌بندی تکراری و نظارت شبه‌برچسب
- خط لوله متناوب: ویژگی‌های خوشه → استفاده از شناسه‌های خوشه برای آموزش شبکه
- پشتیبانی از الگوریتم‌های خوشه‌بندی k-means یا سایر الگوریتم‌های خوشه‌بندی در فضای ویژگی
- اسکریپت‌های آموزش و ارزیابی برای وظایف پایین‌دستی (طبقه‌بندی، تشخیص)
- کد ماژولار برای تعویض معماری شبکه یا روش‌های خوشه‌بندی
- مرجع پایه برای بسیاری از رویکردهای خودنظارتی بعدی
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/deepcluster.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش از یکی از سیستم‌های عامل رایگان ما به صورت آنلاین اجرا کرد.