यह MAE (Masked Autoencoders) नामक एक विंडोज़ ऐप है जिसका नवीनतम संस्करण maesourcecode.tar.gz के रूप में डाउनलोड किया जा सकता है। इसे वर्कस्टेशन के लिए मुफ़्त होस्टिंग प्रदाता OnWorks पर ऑनलाइन चलाया जा सकता है।
ऑनवर्क्स के साथ MAE (मास्क्ड ऑटोएनकोडर्स) नामक इस ऐप को मुफ्त में डाउनलोड करें और ऑनलाइन चलाएं।
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 कोई भी ओएस ऑनवर्क्स ऑनलाइन एमुलेटर शुरू करें, लेकिन बेहतर विंडोज ऑनलाइन एमुलेटर।
- 5. ऑनवर्क्स विंडोज 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 और इसे इंस्टॉल करें।
- 7. अपने Linux वितरण सॉफ़्टवेयर रिपॉजिटरी से वाइन डाउनलोड करें। एक बार इंस्टॉल हो जाने पर, आप ऐप को वाइन के साथ चलाने के लिए डबल-क्लिक कर सकते हैं। आप PlayOnLinux को भी आज़मा सकते हैं, जो वाइन पर एक फैंसी इंटरफ़ेस है जो आपको लोकप्रिय विंडोज़ प्रोग्राम और गेम इंस्टॉल करने में मदद करेगा।
वाइन लिनक्स पर विंडोज सॉफ्टवेयर चलाने का एक तरीका है, लेकिन विंडोज की आवश्यकता नहीं है। वाइन एक ओपन-सोर्स विंडोज संगतता परत है जो किसी भी लिनक्स डेस्कटॉप पर सीधे विंडोज प्रोग्राम चला सकती है। अनिवार्य रूप से, वाइन खरोंच से पर्याप्त विंडोज़ को फिर से लागू करने की कोशिश कर रहा है ताकि वह उन सभी विंडोज़ अनुप्रयोगों को वास्तव में विंडोज़ की आवश्यकता के बिना चला सके।
स्क्रीनशॉट:
MAE (मास्क्ड ऑटोएनकोडर)
विवरण:
MAE (मास्क्ड ऑटोएनकोडर) मास्क्ड इमेज मॉडलिंग का उपयोग करके दृश्य प्रतिनिधित्व सीखने के लिए एक स्व-पर्यवेक्षित शिक्षण ढाँचा है। यह छवि पैच के एक उच्च प्रतिशत (आमतौर पर 75%) को यादृच्छिक रूप से मास्क करके और शेष दृश्यमान पैच से लुप्त सामग्री का पुनर्निर्माण करके एक विज़न ट्रांसफ़ॉर्मर (ViT) को प्रशिक्षित करता है। यह मॉडल को बिना किसी पर्यवेक्षण के अर्थ संरचना और वैश्विक संदर्भ सीखने के लिए बाध्य करता है। एनकोडर केवल दृश्यमान पैच को संसाधित करता है, जबकि एक हल्का डिकोडर पूरी छवि का पुनर्निर्माण करता है - जिससे पूर्व-प्रशिक्षण कम्प्यूटेशनल रूप से कुशल हो जाता है। पूर्व-प्रशिक्षण के बाद, एनकोडर छवि वर्गीकरण, विभाजन और पहचान जैसे डाउनस्ट्रीम कार्यों के लिए एक शक्तिशाली आधार के रूप में कार्य करता है, न्यूनतम फ़ाइन-ट्यूनिंग के साथ शीर्ष प्रदर्शन प्राप्त करता है। यह रिपॉजिटरी पुनर्निर्माण गुणवत्ता और सीखी गई विशेषताओं के लिए पूर्व-प्रशिक्षित मॉडल, फ़ाइन-ट्यूनिंग स्क्रिप्ट, मूल्यांकन प्रोटोकॉल और विज़ुअलाइज़ेशन टूल प्रदान करती है।
विशेषताएं
- यादृच्छिक उच्च-अनुपात पैच मास्किंग के साथ मास्क्ड छवि मॉडलिंग
- एनकोडर-डिकोडर पृथक्करण के माध्यम से कुशल पूर्व-प्रशिक्षण (एनकोडर केवल दृश्यमान पैच देखता है)
- डाउनस्ट्रीम विज़न कार्यों के लिए स्केलेबल विज़न ट्रांसफ़ॉर्मर बैकबोन
- वर्गीकरण, पहचान और विभाजन के लिए पूर्व-प्रशिक्षित मॉडल और फ़ाइन-ट्यूनिंग स्क्रिप्ट
- पुनर्निर्माण और प्रतिनिधित्व विश्लेषण के लिए विज़ुअलाइज़ेशन उपकरण
- स्व-पर्यवेक्षित प्रशिक्षण प्रतिमान जिसमें किसी लेबलयुक्त डेटा की आवश्यकता नहीं होती
प्रोग्रामिंग भाषा
अजगर
श्रेणियाँ
यह एक ऐसा एप्लिकेशन है जिसे https://sourceforge.net/projects/mae-masked-autoencoders.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।