Il s'agit de l'application Windows nommée TensorFlow Model Garden dont la dernière version peut être téléchargée sous TensorFlowOfficialModels2.14.2sourcecode.zip. Il peut être exécuté en ligne chez le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée TensorFlow Model Garden 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:
Jardin modèle TensorFlow
DESCRIPTION:
Le TensorFlow Model Garden est un référentiel avec un certain nombre d'implémentations différentes de modèles et de solutions de modélisation de pointe (SOTA) pour les utilisateurs de TensorFlow. Notre objectif est de démontrer les meilleures pratiques de modélisation afin que les utilisateurs de TensorFlow puissent tirer pleinement parti de TensorFlow pour leurs recherches et le développement de produits. Pour améliorer la transparence et la reproductibilité de nos modèles, des journaux d'entraînement sur TensorBoard.dev sont également fournis pour les modèles dans la mesure du possible, bien que tous les modèles ne soient pas adaptés. Une bibliothèque flexible et légère que les utilisateurs peuvent facilement utiliser ou bifurquer lors de l'écriture d'un code de boucle d'entraînement personnalisé dans TensorFlow 2.x. Il s'intègre de manière transparente à tf.distribute et prend en charge l'exécution sur différents types d'appareils (CPU, GPU et TPU).
Fonctionnalités:
- Une collection d'exemples d'implémentations pour les modèles SOTA utilisant les dernières API de haut niveau de TensorFlow 2
- Officiellement maintenu, pris en charge et mis à jour avec les dernières API TensorFlow 2 par TensorFlow
- Raisonnablement optimisé pour des performances rapides tout en restant facile à lire
- Une collection d'implémentations de modèles de recherche dans TensorFlow 1 ou 2 par des chercheurs
- Maintenu et soutenu par des chercheurs
- Une liste organisée des référentiels GitHub avec des modèles d'apprentissage automatique et des implémentations optimisées par TensorFlow 2
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée sur https://sourceforge.net/projects/tensorflow-model-garden.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.