Téléchargement de SimSiam pour Linux

Il s'agit de l'application Linux SimSiam, dont la dernière version est téléchargeable sous le nom simsiamsourcecode.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 SimSiam 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:


SimSiam


DESCRIPTION:

SimSiam est une implémentation PyTorch du projet « Exploring Simple Siamese Representation Learning » de Xinlei Chen et Kaiming He. Ce projet propose une approche minimaliste de l'apprentissage auto-supervisé, évitant les paires négatives, les encodeurs d'impulsion et les grandes banques de mémoire, autant de complexités clés des méthodes contrastives existantes. SimSiam apprend les représentations d'images en maximisant la similarité entre deux vues augmentées de la même image grâce à un réseau de neurones siamois avec une opération d'arrêt de gradient, évitant ainsi l'effondrement des caractéristiques. Cette conception élégante et efficace permet d'obtenir d'excellents résultats lors de tests d'apprentissage non supervisé tels qu'ImageNet, sans nécessiter de pertes contrastives. Le référentiel fournit des scripts pour le pré-entraînement non supervisé et l'évaluation linéaire, utilisant par défaut une architecture ResNet-50. Compatible avec l'entraînement distribué multi-GPU, il peut être optimisé ou transféré à des tâches en aval, comme la détection d'objets, en suivant la même configuration que MoCo.



Comment ça marche

  • Cadre d'apprentissage auto-supervisé minimal sans paires négatives ni encodeurs d'impulsion
  • Implémentation basée sur PyTorch optimisée pour la formation multi-GPU distribuée
  • Pipeline de formation entièrement reproductible pour ImageNet utilisant les hyperparamètres par défaut de l'article
  • Comprend à la fois des scripts de pré-formation non supervisés et des scripts d'évaluation linéaires
  • Prise en charge de l'optimiseur LARS via NVIDIA Apex pour la formation par lots importants
  • Compatible avec les configurations de transfert de détection d'objets de MoCo


Langage de programmation

Python


Catégories

Cadres d'apprentissage en profondeur

Cette application peut également être téléchargée depuis https://sourceforge.net/projects/simsiam.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne plus facilement depuis l'un de nos systèmes d'exploitation gratuits.



Derniers programmes en ligne Linux et Windows


Catégories à télécharger Logiciels et programmes pour Windows et Linux