دانلود Mixup-CIFAR10 برای لینوکس

این برنامه لینوکسی Mixup-CIFAR10 نام دارد که آخرین نسخه آن را می‌توانید با نام mixup-cifar10sourcecode.tar.gz دانلود کنید. این برنامه را می‌توان به صورت آنلاین در ارائه دهنده خدمات میزبانی وب رایگان OnWorks برای ایستگاه‌های کاری اجرا کرد.

 
 

این برنامه با نام Mixup-CIFAR10 را با OnWorks 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.

میکس-سیفر10



DESCRIPTION:

mixup-cifar10 پیاده‌سازی رسمی PyTorch از «mixup: Beyond Empirical Risk Minimization» (Zhang et al., ICLR 2018) است، مقاله‌ای بنیادی که mixup را معرفی می‌کند، یک تکنیک ساده اما قدرتمند افزایش داده برای آموزش شبکه‌های عصبی عمیق. ایده اصلی mixup تولید نمونه‌های آموزشی مصنوعی با در نظر گرفتن ترکیبات محدب از جفت نمونه‌های ورودی و برچسب‌های آنها است. با درون‌یابی داده‌ها و برچسب‌ها، مدل مرزهای تصمیم‌گیری نرم‌تری را یاد می‌گیرد و در برابر نویز و نمونه‌های تخاصمی مقاوم‌تر می‌شود. این مخزن mixup را برای مجموعه داده CIFAR-10 پیاده‌سازی می‌کند و اثربخشی آن را در بهبود تعمیم، پایداری و کالیبراسیون شبکه‌های عصبی نشان می‌دهد. این رویکرد به عنوان یک تنظیم‌کننده عمل می‌کند و رفتار خطی را در فضای ویژگی بین نمونه‌ها تشویق می‌کند، که به کاهش بیش‌برازش و افزایش عملکرد در داده‌های دیده نشده کمک می‌کند.



امکانات

  • کدبیس ساده و به راحتی قابل توسعه برای تحقیق و آزمایش
  • بر اساس نتایج اولیه انتشار ICLR 2018
  • سازگار با PyTorch و آموزش شتاب‌دهی‌شده با GPU
  • دستاوردهای قابل توجهی در تعمیم‌پذیری و استحکام نشان می‌دهد
  • شبکه‌های عصبی را روی ترکیبات محدب ورودی‌ها و برچسب‌ها آموزش می‌دهد.
  • پیاده‌سازی تقویت داده‌های ترکیبی برای طبقه‌بندی CIFAR-10


زبان برنامه نویسی

پــایتــون


دسته بندی ها

کتابخانه های شبکه عصبی

این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/mixup-cifar10.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.



جدیدترین برنامه های آنلاین لینوکس و ویندوز


دسته بندی برای دانلود نرم افزار و برنامه برای ویندوز و لینوکس