این یک برنامه لینوکس به نام SimSiam است که آخرین نسخه آن را میتوانید با عنوان simsiamsourcecode.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 SimSiam 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:
سیم سیام
DESCRIPTION:
SimSiam یک پیادهسازی PyTorch از «کاوش در یادگیری نمایش ساده سیامی» توسط Xinlei Chen و Kaiming He است. این پروژه یک رویکرد مینیمالیستی برای یادگیری خودنظارتی معرفی میکند که از جفتهای منفی، رمزگذارهای تکانه یا بانکهای حافظه بزرگ - پیچیدگیهای کلیدی روشهای مقابلهای قبلی - اجتناب میکند. SimSiam نمایشهای تصویر را با به حداکثر رساندن شباهت بین دو نمای افزوده از یک تصویر مشابه از طریق یک شبکه عصبی سیامی با یک عملیات گرادیان توقف، که از فروپاشی ویژگی جلوگیری میکند، یاد میگیرد. این طراحی زیبا اما مؤثر، نتایج قوی در معیارهای یادگیری بدون نظارت مانند ImageNet بدون نیاز به تلفات مقابلهای به دست میآورد. این مخزن اسکریپتهایی را برای پیشآموزش بدون نظارت و ارزیابی خطی ارائه میدهد که به طور پیشفرض از ستون فقرات ResNet-50 استفاده میکند. این با آموزش توزیعشده چند پردازنده گرافیکی سازگار است و میتواند به دقت تنظیم شود یا با همان تنظیمات MoCo به وظایف پاییندستی مانند تشخیص شیء منتقل شود.
امکانات
- چارچوب یادگیری خودنظارتی حداقلی بدون جفتهای منفی یا رمزگذارهای تکانه
- پیادهسازی مبتنی بر PyTorch برای آموزش چند پردازنده گرافیکی توزیعشده بهینه شده است
- خط لوله آموزشی کاملاً قابل تکرار برای ImageNet با استفاده از هایپرپارامترهای پیشفرض از مقاله
- شامل اسکریپتهای پیشآموزش بدون نظارت و ارزیابی خطی است
- پشتیبانی از بهینهساز LARS از طریق NVIDIA Apex برای آموزش در دستههای بزرگ
- سازگار با تنظیمات انتقال تشخیص شیء از MoCo
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامهای است که میتوان آن را از https://sourceforge.net/projects/simsiam.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.