این برنامه ویندوزی TimeSformer نام دارد که آخرین نسخه آن را می‌توانید با نام TimeSformersourcecode.tar.gz دانلود کنید. می‌توانید آن را به صورت آنلاین در ارائه دهنده خدمات میزبانی وب رایگان OnWorks برای ایستگاه‌های کاری اجرا کنید.
این برنامه با نام TimeSformer 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
TimeSformer
شرح
TimeSformer یک معماری تبدیل‌کننده بینایی برای ویدیو است که مکانیسم توجه استاندارد را به توجه فضایی-زمانی گسترش می‌دهد. این مدل توجه را در ابعاد فضایی و زمانی جابجا می‌کند (یا انواعی مانند توجه تقسیم‌شده را طراحی می‌کند) به طوری که می‌تواند هم نشانه‌های ظاهری و هم نشانه‌های حرکتی را در ویدیو ثبت کند. از آنجا که توجه در فریم‌ها سراسری است، TimeSformer می‌تواند در مورد وابستگی‌ها در بازه‌های زمانی طولانی، نه فقط محله‌های محلی، استدلال کند. پیاده‌سازی رسمی در PyTorch پیکربندی‌ها، مدل‌های از پیش آموزش‌دیده و اسکریپت‌های آموزشی را ارائه می‌دهد که ارزیابی یا تنظیم دقیق مجموعه داده‌های ویدیویی را ساده می‌کند. TimeSformer در نشان دادن اینکه معماری‌های تبدیل‌کننده خالص - بدون ستون فقرات کانولوشن - می‌توانند در وظایف طبقه‌بندی ویدیو عملکرد قوی داشته باشند، تأثیرگذار بود. طراحی توجه انعطاف‌پذیر آن امکان آزمایش با فاکتورگیری‌های مختلف (فضایی-سپس-زمانی، مشترک و غیره) را برای ایجاد تعادل بین محاسبات، حافظه و دقت فراهم می‌کند.
امکانات
- توجه تبدیل‌کننده مکانی-زمانی برای مدل‌سازی ویدیویی
- انواع: طرحواره‌های توجه فضایی/زمانی تقسیم‌شده و توجه مشترک
- پیاده‌سازی مرجع PyTorch با وزن‌ها و اسکریپت‌های از پیش آموزش‌دیده
- توانایی استدلال در مورد وابستگی‌های زمانی بلندمدت در سطح جهانی
- پارامترهای قابل تنظیم برای اندازه پچ، فریم‌ها، ابعاد تعبیه و تعداد سر
- پشتیبانی از تنظیم دقیق در معیارهای طبقه‌بندی و تشخیص ویدیو
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/timesformer.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.
