यह MobileCLIP नाम का एक विंडोज़ ऐप है जिसका नवीनतम संस्करण ml-mobileclipsourcecode.tar.gz के रूप में डाउनलोड किया जा सकता है। इसे वर्कस्टेशन के लिए मुफ़्त होस्टिंग प्रदाता OnWorks पर ऑनलाइन चलाया जा सकता है।
OnWorks के साथ MobileCLIP 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
Ad
मोबाइलक्लिप
वर्णन
MobileCLIP कुशल इमेज-टेक्स्ट एम्बेडिंग मॉडलों का एक परिवार है, जिसे रीयल-टाइम, ऑन-डिवाइस पुनर्प्राप्ति और ज़ीरो-शॉट वर्गीकरण के लिए डिज़ाइन किया गया है। यह रिपोजिटरी DataCompDR पर प्रशिक्षित MobileCLIP मॉडलों और DFNDR पर प्रशिक्षित नए MobileCLIP2 मॉडलों के लिए प्रशिक्षण, अनुमान और मूल्यांकन कोड प्रदान करती है। इसमें iPhone-श्रेणी के हार्डवेयर पर व्यावहारिक, ऑफ़लाइन फ़ोटो खोज और वर्गीकरण प्रदर्शित करने के लिए एक iOS डेमो ऐप और कोर ML आर्टिफ़ैक्ट शामिल हैं। परियोजना नोट्स विलंबता/सटीकता के अंतरों पर प्रकाश डालते हैं, जहाँ MobileCLIP2 वेरिएंट मोबाइल उपकरणों पर उल्लेखनीय रूप से कम पैरामीटर गणना और रनटाइम पर बड़ी बेसलाइन से मेल खाते हैं या उनसे आगे निकल जाते हैं। एक सहयोगी "mobileclip-dr" रिपोजिटरी बड़े पैमाने पर वितरित डेटा-जनरेशन पाइपलाइनों का विवरण देती है जिनका उपयोग हज़ारों GPU पर अरबों नमूनों में डेटासेट को सुदृढ़ करने के लिए किया जाता है। कुल मिलाकर, MobileCLIP संपूर्ण व्यावहारिकता पर ज़ोर देता है: स्केलेबल प्रशिक्षण, परिनियोजन योग्य मॉडल और उपभोक्ता-स्तरीय डेमो।
विशेषताएं
- मोबाइल विलंबता के लिए अनुकूलित कुशल छवि-पाठ एम्बेडिंग
- मोबाइलक्लिप और मोबाइलक्लिप2 के लिए प्रशिक्षण, अनुमान और मूल्यांकन पाइपलाइन
- ऑफ़लाइन खोज के लिए iOS डेमो ऐप और कोर ML मॉडल
- बड़े बेसलाइन की तुलना में कम पैरामीटर और रनटाइम पर मजबूत सटीकता
- साथी DR कोडबेस के माध्यम से डेटासेट सुदृढीकरण टूलिंग
- डिवाइस पर अनुभवों के लिए शून्य-शॉट पुनर्प्राप्ति और वर्गीकरण
प्रोग्रामिंग भाषा
अजगर
श्रेणियाँ
यह एक ऐसा एप्लिकेशन है जिसे https://sourceforge.net/projects/mobileclip.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।
