این یک برنامه لینوکس به نام MAE (Masked Autoencoders) است که آخرین نسخه آن را می‌توانید با نام maesourcecode.tar.gz دانلود کنید. این برنامه را می‌توان به صورت آنلاین در ارائه دهنده خدمات میزبانی رایگان OnWorks برای ایستگاه‌های کاری اجرا کرد.
این برنامه با نام MAE (Masked Autoencoders) را با OnWorks به صورت رایگان دانلود و آنلاین 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:
MAE (خودرمزگذارهای نقابدار)
DESCRIPTION:
MAE (خودرمزگذارهای نقابدار) یک چارچوب یادگیری خودنظارتی برای یادگیری بازنمایی بصری با استفاده از مدل‌سازی تصویر نقابدار است. این چارچوب، یک مبدل بینایی (ViT) را با نقاب‌گذاری تصادفی درصد بالایی از تکه‌های تصویر (معمولاً 75٪) و بازسازی محتوای از دست رفته از تکه‌های قابل مشاهده باقی‌مانده، آموزش می‌دهد. این امر مدل را مجبور می‌کند تا ساختار معنایی و زمینه کلی را بدون نظارت یاد بگیرد. رمزگذار فقط تکه‌های قابل مشاهده را پردازش می‌کند، در حالی که یک رمزگشای سبک، تصویر کامل را بازسازی می‌کند - که پیش‌آموزش را از نظر محاسباتی کارآمد می‌کند. پس از پیش‌آموزش، رمزگذار به عنوان یک ستون فقرات قدرتمند برای وظایف پایین‌دستی مانند طبقه‌بندی تصویر، تقسیم‌بندی و تشخیص عمل می‌کند و با حداقل تنظیم دقیق، به عملکرد برتر دست می‌یابد. این مخزن، مدل‌های از پیش آموزش‌دیده، اسکریپت‌های تنظیم دقیق، پروتکل‌های ارزیابی و ابزارهای تجسم را برای کیفیت بازسازی و ویژگی‌های آموخته‌شده ارائه می‌دهد.
امکانات
- مدل‌سازی تصویر ماسک‌شده با ماسک‌گذاری تصادفی تکه‌ای با نسبت بالا
- پیش‌آموزش کارآمد از طریق جداسازی رمزگذار-رمزگشا (رمزگذار فقط تکه‌های قابل مشاهده را می‌بیند)
- ستون فقرات ترانسفورماتور بینایی مقیاس‌پذیر برای وظایف بینایی پایین‌دستی
- مدل‌های از پیش آموزش‌دیده و اسکریپت‌های تنظیم دقیق برای طبقه‌بندی، تشخیص و قطعه‌بندی
- ابزارهای تجسم برای بازسازی و تحلیل نمایش
- الگوی آموزش خودنظارتی که نیازی به داده‌های برچسب‌گذاری‌شده ندارد
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/mae-masked-autoencoders.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.