Il s'agit de l'application Windows nommée DeepLearningProject dont la dernière version peut être téléchargée en tant que FirstreleaseoftheDeepLearningProject.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez gratuitement en ligne cette application nommée DeepLearningProject avec OnWorks.
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
Projet DeepLearning
DESCRIPTION
Ce didacticiel tente de faire ce que la plupart des didacticiels d'apprentissage automatique disponibles en ligne ne font pas. Il ne s'agit pas d'un didacticiel de 30 minutes qui vous apprend à "former votre propre réseau de neurones" ou à "apprendre l'apprentissage en profondeur en moins de 30 minutes". C'est un pipeline complet que vous auriez besoin de faire si vous travaillez réellement avec l'apprentissage automatique - vous présentant toutes les parties, et toutes les décisions de mise en œuvre et les détails qui doivent être faits. L'ensemble de données n'est pas l'un des ensembles standard comme MNIST ou CIFAR, vous créerez votre propre ensemble de données. Ensuite, vous passerez par quelques algorithmes d'apprentissage automatique conventionnels, avant de passer enfin à l'apprentissage en profondeur ! À l'automne 2016, j'étais Teaching Fellow (Harvard's version of TA) pour la classe d'études supérieures sur "Advanced Topics in Data Science (CS209/109)" à l'Université de Harvard. J'étais chargé de concevoir le projet de classe remis aux élèves, et ce tutoriel a été construit sur le projet que j'ai conçu pour la classe.
Fonctionnement
- Configurer l'environnement conda dans le cahier jupyter
- Configurer un conteneur docker avec docker-compose
- Vous pouvez ajouter des packages conda ou pip à l'image
- Présente aux lecteurs tout un pipeline d'apprentissage automatique à partir de zéro
- Le référentiel a un fichier de configuration conda qui rendra la configuration super facile
- Créer un nouvel environnement Conda
Catégories
Il s'agit d'une application qui peut également être récupérée sur https://sourceforge.net/projects/deeplearningproject.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.
