This is the Windows app named Deep Learning Models whose latest release can be downloaded as deeplearning-modelssourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
این برنامه با نام Deep Learning Models 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
مدل های یادگیری عمیق
شرح
این مخزن، پیادهسازیهای واضح و مستند از مدلهای یادگیری عمیق و ابزارهای آموزشی نوشته شده توسط سباستین راشکا را جمعآوری میکند. کد، خوانایی و آموزش را بهبود میبخشد: اجزا سازماندهی شدهاند تا بتوانید جریان دادهها را از طریق لایهها، تلفات، بهینهسازها و ارزیابی ردیابی کنید. مثالها شامل معماریهای اساسی - MLPها، CNNها، RNN/Transformers - و کارهای عملی مانند طبقهبندی تصویر یا مدلسازی متن هستند. اسکریپتهای آموزشی قابل تکرار و فایلهای پیکربندی، اجرای مجدد آزمایشها یا تطبیق آنها با مجموعه دادههای شخصی شما را ساده میکنند. این مخزن اغلب پیادهسازیها را با یادداشتهایی در مورد انتخابهای طراحی و بدهبستانها جفت میکند و آن را به یک جعبه ابزار و یک منبع یادگیری تبدیل میکند. این مخزن برای دانشجویان، محققانی که ایدههای اولیه را نمونهسازی میکنند و متخصصانی که قبل از افزودن پیچیدگی، خطوط پایه تمیز میخواهند، مناسب است.
امکانات
- پیادهسازیهای خوانا در PyTorch از معماریهای کلاسیک و مدرن
- اسکریپتهای آموزشی با پیکربندیهایی برای آزمایشهای تکرارپذیر
- ماژولهای کاربردی برای بارگذاری دادهها، معیارها، ثبت وقایع و نقاط کنترل
- دفترچههای نمونهای که انتخابها و نتایج طراحی را توضیح میدهند
- خطوط پایهای که به راحتی برای مجموعه دادهها و وظایف سفارشی قابل گسترش هستند
- ساختار منسجمی که از درک و اصلاح سریع پشتیبانی میکند
دسته بندی ها
این برنامهای است که میتوان آن را از https://sourceforge.net/projects/deep-learning-models.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.
