این برنامه ویندوز به نام Fairseq است که آخرین نسخه آن را می توانید با عنوان v0.10.2.zip دانلود کنید. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این اپلیکیشن با نام Fairseq را با OnWorks به صورت آنلاین 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
Fairseq
شرح
Fairseq(-py) یک ابزار مدل‌سازی توالی است که به محققان و توسعه‌دهندگان اجازه می‌دهد تا مدل‌های سفارشی را برای ترجمه، خلاصه‌سازی، مدل‌سازی زبان و سایر وظایف تولید متن آموزش دهند. ما پیاده سازی های مرجع مقالات مدل سازی توالی مختلف را ارائه می دهیم. کار اخیر مایکروسافت و گوگل نشان داده است که آموزش موازی داده‌ها را می‌توان با تقسیم پارامترهای مدل و وضعیت بهینه‌ساز در بین کارگران موازی داده، کارآمدتر کرد. این ایده ها در پوشش جدید FullyShardedDataParallel (FSDP) ارائه شده توسط fairscale گنجانده شده است. Fairseq را می توان از طریق افزونه های ارائه شده توسط کاربر گسترش داد. مدل‌ها معماری شبکه عصبی را تعریف می‌کنند و تمام پارامترهای قابل یادگیری را محصور می‌کنند. معیارها تابع ضرر را با توجه به خروجی ها و اهداف مدل محاسبه می کنند. Tasks لغت نامه ها را ذخیره می کند و کمک هایی برای بارگذاری/تکرار روی مجموعه داده ها، مقداردهی اولیه مدل/معیار و محاسبه ضرر ارائه می دهد.
امکانات
- آموزش چند GPU روی یک ماشین یا در چندین ماشین (داده و مدل موازی)
- تولید سریع در هر دو CPU و GPU با الگوریتم های جستجوی متعدد پیاده سازی شده
- انباشت گرادیان امکان آموزش با مینی بچ های بزرگ را حتی روی یک GPU می دهد
- آموزش با دقت ترکیبی (سریع تر با حافظه GPU کمتر در هسته های تانسور NVIDIA آموزش می بیند)
- مدل‌ها، معیارها، وظایف، بهینه‌سازها و زمان‌بندی‌های نرخ یادگیری را به راحتی ثبت کنید
- پیکربندی انعطاف پذیر بر اساس Hydra که ترکیبی از کد، خط فرمان و پیکربندی مبتنی بر فایل را امکان پذیر می کند.
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می توان آن را از https://sourceforge.net/projects/fairseq.mirror/ نیز دریافت کرد. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.
