Ini adalah aplikasi Linux bernama ConvNeXt V2 yang rilis terbarunya dapat diunduh sebagai ConvNeXt-V2sourcecode.tar.gz. Aplikasi ini dapat dijalankan secara daring di penyedia hosting gratis OnWorks untuk workstation.
Unduh dan jalankan aplikasi ini secara online bernama ConvNeXt V2 dengan OnWorks secara gratis.
Ikuti petunjuk ini untuk menjalankan aplikasi ini:
- 1. Download aplikasi ini di PC Anda.
- 2. Masuk ke file manager kami https://www.onworks.net/myfiles.php?username=XXXXX dengan username yang anda inginkan.
- 3. Upload aplikasi ini di filemanager tersebut.
- 4. Jalankan emulator online OnWorks Linux atau Windows online atau emulator online MACOS dari situs web ini.
- 5. Dari OS Linux OnWorks yang baru saja Anda mulai, buka file manager kami https://www.onworks.net/myfiles.php?username=XXXXX dengan nama pengguna yang Anda inginkan.
- 6. Download aplikasinya, install dan jalankan.
SCREENSHOT:
ConvNeXt V2
DESKRIPSI:
ConvNeXt V2 merupakan evolusi dari arsitektur ConvNeXt yang merancang jaringan konvolusional bersama pembelajaran mandiri (self-supervised learning). Versi V2 memperkenalkan kerangka kerja autoencoder bertopeng konvolusional penuh (FCMAE) di mana bagian-bagian gambar ditopeng dan jaringan merekonstruksi konten yang hilang, menggabungkan bias induktif konvolusional dengan pra-pelatihan yang andal. Inovasi utamanya adalah lapisan Normalisasi Respons Global (GRN) baru yang ditambahkan ke tulang punggung ConvNeXt, yang meningkatkan persaingan fitur di seluruh kanal. Hasilnya adalah convnet yang bersaing ketat dengan arsitektur transformer pada tolok ukur pengenalan sekaligus efisien dan ramah perangkat keras. Repositori ini menyediakan implementasi PyTorch resmi untuk berbagai ukuran model (Atto, Femto, Pico, hingga Huge), konversi dari bobot JAX, kode untuk pra-pelatihan/penyempurnaan, dan titik pemeriksaan pra-pelatihan. Repositori ini mendukung pra-pelatihan mandiri dan penyempurnaan terawasi.
Fitur
- Pra-pelatihan autoencoder bertopeng konvolusional penuh (FCMAE)
- Normalisasi Respons Global (GRN) untuk meningkatkan persaingan saluran
- Beberapa ukuran model (Atto, Femto, Pico, Tiny, Base, Large, Huge)
- Dukungan untuk alur pembelajaran mandiri dan terawasi
- Titik pemeriksaan yang telah dilatih sebelumnya (dikonversi dari JAX) dan implementasi PyTorch
- Utilitas pelatihan/penyempurnaan dan kode untuk pra-pelatihan dan evaluasi
Bahasa Pemrograman
Ular sanca
KATEGORI
Ini adalah aplikasi yang juga dapat diunduh dari https://sourceforge.net/projects/convnext-v2.mirror/. Aplikasi ini dihosting di OnWorks agar dapat dijalankan daring dengan cara termudah dari salah satu Sistem Operasi gratis kami.