Il s'agit de l'application Windows TensorFlow Ranking, dont la dernière version est téléchargeable sous le nom TensorFlowRankingv0.5.2.zip. Elle peut être exécutée en ligne sur l'hébergeur gratuit OnWorks pour postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée TensorFlow Ranking 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
Classement TensorFlow
DESCRIPTION
TensorFlow Ranking est une bibliothèque dédiée aux techniques d'apprentissage par classement (LTR) sur la plateforme TensorFlow. Elle inclut des fonctions de perte courantes, notamment les pertes ponctuelles, par paires et par liste. Elle inclut également des indicateurs de classement courants tels que le rang réciproque moyen (MRR) et le gain cumulé actualisé normalisé (NDCG). Elle inclut également des fonctions de notation multi-éléments (également appelées groupwise). L'implémentation de LambdaLoss permet d'optimiser directement les indicateurs de classement. L'apprentissage par classement est impartial grâce à des données de rétroaction biaisées. Cette bibliothèque vise à offrir une plateforme ouverte et pratique pour héberger et développer des modèles de classement de pointe basés sur des techniques d'apprentissage profond, facilitant ainsi la recherche académique et les applications industrielles. Une démonstration, sans installation requise, est disponible pour vous aider à démarrer avec TF-Ranking. Cette démonstration s'exécute sur un notebook collaboratif, un environnement Python interactif. Elle utilise des fonctionnalités et des intégrations éparses dans TF-Ranking.
Fonctionnement
- Utiliser des fonctionnalités éparses/intégrantes
- Traiter les données au format TFRecord
- Intégration de Tensorboard dans le notebook Colab, pour l'API Estimator
- Créer un classement TensorFlow localement
- Pour faciliter l'expérimentation, nous fournissons également un exemple TFRecord et un exemple LIBSVM
- Les résultats de la formation tels que les pertes et les métriques peuvent être visualisés à l'aide de Tensorboard
Langage de programmation
Python
Catégories
Cette application peut également être téléchargée depuis https://sourceforge.net/projects/tensorflow-ranking.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne plus facilement depuis l'un de nos systèmes d'exploitation gratuits.
