این یک برنامه ویندوزی به نام DiffOpt.jl است که آخرین نسخه آن را می‌توانید با نام v0.5.1sourcecode.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 DiffOpt.jl را به صورت رایگان با OnWorks 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
DiffOpt.jl
شرح
DiffOpt.jl بسته‌ای برای مشتق‌گیری از برنامه‌های بهینه‌سازی محدب (مدل‌های JuMP.jl یا MathOptInterface.jl) با توجه به پارامترهای برنامه است. توجه داشته باشید که این بسته هیچ حل‌کننده‌ای ندارد. این بسته دارای دو backend اصلی است که از طریق روش‌های reverse_differentiate! و forward_differentiate! در دسترس هستند تا مدل‌ها (درجه دوم یا مخروطی) را با راه‌حل‌های بهینه مشتق‌گیری کنند. بهینه‌سازی مشتق‌پذیر یک زمینه امیدوارکننده از بهینه‌سازی محدب است و کاربردهای بالقوه زیادی در نظریه بازی‌ها، نظریه کنترل و یادگیری ماشین دارد. کارهای اخیر نشان داده است که چگونه می‌توان زیرکلاس‌های خاصی از مسائل بهینه‌سازی محدب را مشتق‌گیری کرد. اما چندین کاربرد هنوز کشف نشده‌اند. با کمک مشتق‌گیری خودکار، بهینه‌سازی مشتق‌پذیر می‌تواند تأثیر قابل توجهی در ایجاد سیستم‌های مشتق‌پذیر سرتاسری برای مدل‌سازی شبکه‌های عصبی، فرآیندهای تصادفی یا یک بازی داشته باشد.
امکانات
- اسناد موجود
- نمونه های موجود
- با JuMP استفاده کنید
- DiffOpt.jl تحت مجوز MIT منتشر شده است.
- DiffOpt در حال حاضر از برنامه‌های خطی، درجه دوم و مخروطی پشتیبانی می‌کند.
- درباره مشتق‌گیری از برنامه‌های بهینه‌سازی محدب
زبان برنامه نویسی
جولیا
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/diffopt-jl.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.
