This is the Linux app named PyCls whose latest release can be downloaded as Sweepcodeforstudyingmodelpopulationstatssourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
PyCls नामक इस ऐप को OnWorks के साथ निःशुल्क डाउनलोड करें और ऑनलाइन चलाएँ।
इस ऐप को चलाने के लिए इन निर्देशों का पालन करें:
- 1. इस एप्लिकेशन को अपने पीसी में डाउनलोड करें।
- 2. हमारे फ़ाइल प्रबंधक में https://www.onworks.net/myfiles.php?username=XXXXX उस उपयोगकर्ता नाम के साथ दर्ज करें जो आप चाहते हैं।
- 3. इस एप्लिकेशन को ऐसे फाइल मैनेजर में अपलोड करें।
- 4. इस वेबसाइट से ऑनवर्क्स लिनक्स ऑनलाइन या विंडोज ऑनलाइन एमुलेटर या मैकोज़ ऑनलाइन एमुलेटर शुरू करें।
- 5. ऑनवर्क्स लिनक्स ओएस से आपने अभी शुरुआत की है, हमारे फाइल मैनेजर को https://www.onworks.net/myfiles.php?username=XXXXX उस यूजरनेम के साथ जाएं जो आप चाहते हैं।
- 6. एप्लिकेशन डाउनलोड करें, इसे इंस्टॉल करें और इसे चलाएं।
स्क्रीनशॉट
Ad
पीवाईसीएल
वर्णन
pycls, छवि वर्गीकरण अनुसंधान के लिए एक केंद्रित PyTorch कोडबेस है जो पुनरुत्पादन क्षमता और मज़बूत, पारदर्शी बेसलाइन पर ज़ोर देता है। इसने RegNet जैसी फ़ैमिलीज़ को लोकप्रिय बनाया और क्लासिक आर्किटेक्चर (ResNet, ResNeXt) को साफ़ कार्यान्वयन और सुसंगत प्रशिक्षण विधियों के साथ समर्थन प्रदान किया। इस रिपॉजिटरी में अत्यधिक ट्यून किए गए शेड्यूल, ऑग्मेंटेशन और रेगुलराइज़ेशन सेटिंग्स शामिल हैं जो बिना किसी अनुमान के रिपोर्ट की गई सटीकता का मिलान करना आसान बनाते हैं। वितरित प्रशिक्षण और मिश्रित परिशुद्धता प्रथम श्रेणी के हैं, जो सरल, घोषणात्मक कॉन्फ़िगरेशन के साथ बहु-GPU सेटअप पर तेज़ प्रयोगों को सक्षम बनाते हैं। मॉडल परिभाषाएँ संक्षिप्त और मॉड्यूलर हैं, जिससे बाकी पाइपलाइन को अपरिवर्तित रखते हुए नए ब्लॉकों का प्रोटोटाइप बनाना या बैकबोन को बदलना आसान हो जाता है। पूर्व-प्रशिक्षित भार और मूल्यांकन स्क्रिप्ट सामान्य डेटासेट को कवर करते हैं, और लॉगिंग/मीट्रिक स्टैक को रन के बीच त्वरित तुलना के लिए डिज़ाइन किया गया है। अभ्यासकर्ता pycls का उपयोग बेसलाइन फ़ैक्टरी और नए वर्गीकरण बैकबोन के लिए एक स्कैफ़ोल्ड, दोनों के रूप में करते हैं।
विशेषताएं
- ResNet/ResNeXt/RegNet परिवारों के संदर्भ कार्यान्वयन
- ट्यून किए गए शेड्यूल और संवर्द्धन के साथ पुनरुत्पादनीय प्रशिक्षण रेसिपी
- वितरित और मिश्रित-परिशुद्धता प्रशिक्षण
- घोषणात्मक कॉन्फ़िगरेशन प्रणाली और स्वच्छ डेटा पाइपलाइन
- पूर्व प्रशिक्षित चेकपॉइंट और मानकीकृत मूल्यांकन स्क्रिप्ट
- तीव्र वास्तुशिल्प पुनरावृत्ति के लिए न्यूनतम, मॉड्यूलर मॉडल कोड
प्रोग्रामिंग भाषा
अजगर
श्रेणियाँ
यह एक ऐसा एप्लिकेशन है जिसे https://sourceforge.net/projects/pycls.mirror/ से भी प्राप्त किया जा सकता है। इसे हमारे किसी भी निःशुल्क ऑपरेटिव सिस्टम से सबसे आसान तरीके से ऑनलाइन चलाने के लिए OnWorks में होस्ट किया गया है।
