Il s'agit de l'application Linux FastViT, dont la dernière version est téléchargeable sous le nom ml-fastvitsourcecode.tar.gz. Elle peut être exécutée en ligne sur l'hébergeur gratuit OnWorks pour postes de travail.
Téléchargez et exécutez en ligne cette application nommée FastViT avec OnWorks gratuitement.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN:
FastViT
DESCRIPTION:
FastViT est une famille de backbones de vision performante qui allie des biais inductifs convolutifs à une capacité de transformation pour offrir une grande précision aux budgets d'inférence mobiles et temps réel. Sa conception vise une courbe de Pareto latence-précision favorable, ciblant les périphériques et les scénarios de serveur où le débit et la latence de queue sont importants. Les modèles utilisent une attention légère et des blocs soigneusement conçus pour minimiser les coûts de mélange de jetons tout en préservant la puissance de représentation. Les recettes d'entraînement et d'inférence facilitent l'intégration aux tâches de vision courantes telles que la classification, la détection et la segmentation. La base de code fournit des implémentations de référence et des points de contrôle qui facilitent l'évaluation ou l'affinement des jeux de données en aval. En pratique, FastViT propose des backbones prêts à l'emploi qui réduisent la pression de calcul et de mémoire sans recourir à des astuces d'entraînement complexes.
Comment ça marche
- Blocs hybrides Conv-Transformer optimisés pour la latence
- Précision compétitive pour les budgets d'inférence mobiles/périphériques
- Scripts de formation de référence et points de contrôle pré-entraînés
- Compatibilité avec les têtes de détection/segmentation standards
- Composants de mélange de jetons et d'attention à mémoire efficace
- Intégration simple dans les pipelines PyTorch existants
Langage de programmation
Python
Catégories
Cette application peut également être téléchargée depuis https://sourceforge.net/projects/fastvit.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne plus facilement depuis l'un de nos systèmes d'exploitation gratuits.