این یک برنامه لینوکس به نام Higher است که آخرین نسخه آن را می‌توانید با نام higherv0.2.1sourcecode.zip دانلود کنید. می‌توانید آن را به صورت آنلاین در ارائه دهنده خدمات میزبانی رایگان OnWorks برای ایستگاه‌های کاری اجرا کنید.
این برنامه با نام Higher 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.
عکس ها
Ad
برتر
شرح
higher یک کتابخانه تخصصی است که برای گسترش قابلیت‌های PyTorch با فعال کردن مشتق‌گیری مرتبه بالاتر و فرایادگیری از طریق حلقه‌های بهینه‌سازی مشتق‌پذیر طراحی شده است. این کتابخانه به توسعه‌دهندگان و محققان اجازه می‌دهد تا گرادیان‌ها را از طریق کل فرآیندهای بهینه‌سازی محاسبه کنند، که برای کارهایی مانند فرایادگیری، بهینه‌سازی هایپرپارامتر و تطبیق مدل ضروری است. این کتابخانه ابزارهایی را معرفی می‌کند که نمونه‌های استاندارد torch.nn.Module را به فرم‌های تابعی "بدون حالت" تبدیل می‌کنند، بنابراین به‌روزرسانی‌های پارامتر را می‌توان به عنوان عملیات مشتق‌پذیر در نظر گرفت. همچنین پیاده‌سازی‌های مشتق‌پذیر از بهینه‌سازهای رایج مانند SGD و Adam را ارائه می‌دهد و امکان انتشار معکوس از طریق تعداد دلخواهی از مراحل بهینه‌سازی حلقه داخلی را فراهم می‌کند. higher با ارائه یک رابط کاربری واضح و انعطاف‌پذیر، ساخت الگوریتم‌های یادگیری پیچیده‌ای را که نیاز به ردیابی گرادیان در سطوح به‌روزرسانی چندگانه دارند، ساده می‌کند. طراحی آن سازگاری با مدل‌های موجود PyTorch را تضمین می‌کند.
امکانات
- بهینه‌سازی حلقه داخلی مشتق‌پذیر و ردیابی گرادیان را از طریق به‌روزرسانی‌ها فعال می‌کند.
- مدل‌های torch.nn.Module را برای یادگیری متا به فرم‌های تابعی و بدون حالت تبدیل می‌کند.
- نسخه‌های مشتق‌پذیر از بهینه‌سازهای استاندارد مانند Adam و SGD را ارائه می‌دهد.
- امکان بهینه‌سازی بدون کنترل برای محاسبه گرادیان مرتبه بالاتر را فراهم می‌کند.
- به راحتی با حداقل تغییر در گردش‌های کاری موجود PyTorch ادغام می‌شود
- از طریق ثبت و زیرکلاس‌بندی، از بهینه‌سازهای مشتق‌پذیر سفارشی پشتیبانی می‌کند.
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/higher.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش به صورت آنلاین از یکی از سیستم‌های عامل رایگان ما اجرا کرد.
