Il s'agit de l'application Windows nommée DeepCTR dont la dernière version peut être téléchargée en tant que v0.9.3.zip. Il peut être exécuté en ligne sur le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne cette application nommée DeepCTR 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
CTR profond
DESCRIPTION
DeepCTR est un package facile à utiliser, modulaire et extensible de modèles CTR basés sur l'apprentissage en profondeur ainsi que de nombreuses couches de composants de base qui peuvent être utilisés pour créer facilement des modèles personnalisés. Vous pouvez utiliser n'importe quel modèle complexe avec model.fit() et model.predict(). Fournissez une interface de type tf.keras.Model pour une expérience rapide. Fournir une interface d'estimation de flux tensoriel pour les données à grande échelle et la formation distribuée. Il est compatible avec tf 1.x et tf 2.x. Avec le grand succès de l'apprentissage en profondeur, les techniques basées sur DNN ont été largement utilisées dans la tâche de prédiction du CTR. Les données de la tâche d'estimation du CTR incluent généralement des caractéristiques catégoriques à haute densité et à cardinalité élevée et certaines caractéristiques numériques denses. Étant donné que DNN gère bien les caractéristiques numériques denses, nous mappons généralement les caractéristiques catégorielles clairsemées à des caractéristiques numériques denses grâce à la technique d'intégration.
Fonctionnalités:
- CCPM (modèle de prédiction de clics convolutifs)
- PNN (réseau neuronal basé sur les produits)
- FNN (Réseau de neurones pris en charge par la factorisation)
- MLR (régression logistique mixte/modèle linéaire par pièce)
- NFM (Machine de factorisation neuronale)
- DCN (Réseau profond et croisé)
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/deepctr.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.