این یک برنامه ویندوزی به نام ConvNeXt V2 است که آخرین نسخه آن را می‌توانید با نام ConvNeXt-V2sourcecode.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 ConvNeXt V2 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. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS 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. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
عکس ها
Ad
کانو نِکست نسخه ۲
شرح
ConvNeXt V2 تکاملی از معماری ConvNeXt است که شبکه‌های کانولوشنی را در کنار یادگیری خودنظارتی به طور مشترک طراحی می‌کند. نسخه V2 یک چارچوب خودرمزگذار کاملاً کانولوشنی ماسک‌شده (FCMAE) را معرفی می‌کند که در آن بخش‌هایی از تصویر ماسک می‌شوند و شبکه محتوای از دست رفته را بازسازی می‌کند و بایاس القایی کانولوشنی را با پیش‌آموزش قدرتمند ترکیب می‌کند. یک نوآوری کلیدی، یک لایه جدید نرمال‌سازی پاسخ جهانی (GRN) است که به ستون فقرات ConvNeXt اضافه شده است، که رقابت ویژگی‌ها را در کانال‌ها افزایش می‌دهد. نتیجه، یک کانولوشن است که در معیارهای تشخیص، به شدت با معماری‌های ترانسفورماتور رقابت می‌کند و در عین حال کارآمد و سازگار با سخت‌افزار است. این مخزن، پیاده‌سازی‌های رسمی PyTorch را برای اندازه‌های مختلف مدل (Atto، Femto، Pico، تا Huge)، تبدیل از وزن‌های JAX، کد برای پیش‌آموزش/تنظیم دقیق و نقاط کنترل از پیش آموزش‌دیده ارائه می‌دهد. این سیستم از پیش‌آموزش خودنظارتی و تنظیم دقیق تحت نظارت پشتیبانی می‌کند.
امکانات
- پیش‌آموزش خودرمزگذار کاملاً پوشیده‌شده با کانولوشن (FCMAE)
- نرمال‌سازی پاسخ جهانی (GRN) برای بهبود رقابت کانال‌ها
- اندازه‌های مختلف مدل (آتو، فمتو، پیکو، کوچک، پایه، بزرگ، بسیار بزرگ)
- پشتیبانی از خطوط یادگیری خودنظارتی و تحت نظارت
- نقاط بررسی از پیش آموزش‌دیده (تبدیل‌شده از JAX) و پیاده‌سازی PyTorch
- ابزارهای آموزشی/تنظیم دقیق و کد برای پیش‌آموزش و ارزیابی
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/convnext-v2.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.
