This is the Windows app named ConvNeXt whose latest release can be downloaded as ConvNeXtsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Téléchargez et exécutez en ligne cette application nommée ConvNeXt 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 n'importe quel émulateur en ligne OS OnWorks à partir de ce site Web, mais un meilleur émulateur en ligne Windows.
- 5. Depuis le système d'exploitation OnWorks Windows 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 et installez-la.
- 7. Téléchargez Wine depuis les dépôts de logiciels de vos distributions Linux. Une fois installé, vous pouvez ensuite double-cliquer sur l'application pour les exécuter avec Wine. Vous pouvez également essayer PlayOnLinux, une interface sophistiquée sur Wine qui vous aidera à installer des programmes et des jeux Windows populaires.
Wine est un moyen d'exécuter un logiciel Windows sur Linux, mais sans Windows requis. Wine est une couche de compatibilité Windows open source qui peut exécuter des programmes Windows directement sur n'importe quel bureau Linux. Essentiellement, Wine essaie de ré-implémenter suffisamment de Windows à partir de zéro pour qu'il puisse exécuter toutes ces applications Windows sans avoir réellement besoin de Windows.
CAPTURES D'ÉCRAN
Ad
ConvSuivant
DESCRIPTION
ConvNeXt est une architecture modernisée de réseau neuronal convolutif (CNN) conçue pour rivaliser avec les Vision Transformers (ViT) en termes de précision et d'évolutivité, tout en conservant la simplicité et l'efficacité des CNN. Elle revisite les architectures dorsales classiques de type ResNet à la lumière des tendances de conception des transformateurs (noyaux de grande taille, goulots d'étranglement inversés, normalisation des couches et activations GELU) afin de combler l'écart de performance entre les convolutions et les modèles basés sur l'attention. La structure claire et hiérarchique de ConvNeXt le rend efficace pour le pré-entraînement et le réglage fin d'un large éventail de tâches de reconnaissance visuelle. Il obtient des résultats compétitifs, voire supérieurs, sur ImageNet et les jeux de données en aval, tout en étant plus facile à déployer et à entraîner que les transformateurs. Le référentiel fournit des modèles pré-entraînés, des recettes d'entraînement et des études d'ablation démontrant comment des choix de conception incrémentaux produisent collectivement des performances de pointe.
Comment ça marche
- Architecture CNN modernisée inspirée des principes de conception de Vision Transformer
- Convolutions à noyau large et blocs de goulot d'étranglement inversés pour une représentation améliorée
- Normalisation des couches et activation GELU pour une stabilité et une précision améliorées
- Structure hiérarchique avec de fortes propriétés d'échelle sur différentes tailles de modèles
- Points de contrôle pré-entraînés et recettes d'entraînement pour ImageNet et les tâches en aval
- Déploiement efficace et compatibilité avec les systèmes basés sur CNN existants
Langage de programmation
Python
Catégories
Cette application peut également être téléchargée depuis https://sourceforge.net/projects/convnext.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne plus facilement depuis l'un de nos systèmes d'exploitation gratuits.
