This is the Linux app named ConvNeXt V2 whose latest release can be downloaded as ConvNeXt-V2sourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Scarica ed esegui online gratuitamente questa app denominata ConvNeXt V2 con OnWorks.
Segui queste istruzioni per eseguire questa app:
- 1. Scaricata questa applicazione sul tuo PC.
- 2. Entra nel nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 3. Carica questa applicazione in tale file manager.
- 4. Avviare l'emulatore online OnWorks Linux o Windows online o l'emulatore online MACOS da questo sito Web.
- 5. Dal sistema operativo OnWorks Linux che hai appena avviato, vai al nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 6. Scarica l'applicazione, installala ed eseguila.
IMMAGINI
Ad
ConvNeXt V2
DESCRIZIONE
ConvNeXt V2 è un'evoluzione dell'architettura ConvNeXt che co-progetta reti convoluzionali insieme all'apprendimento autosupervisionato. La versione V2 introduce un framework FCMAE (Fully Convolutional Masked Autoencoder) in cui parti dell'immagine vengono mascherate e la rete ricostruisce il contenuto mancante, coniugando il bias induttivo convoluzionale con un potente pre-addestramento. Un'innovazione chiave è un nuovo livello di normalizzazione della risposta globale (GRN) aggiunto al backbone di ConvNeXt, che migliora la competizione tra le funzionalità tra i canali. Il risultato è una convnet che compete fortemente con le architetture a trasformatore nei benchmark di riconoscimento, pur essendo efficiente e compatibile con l'hardware. Il repository fornisce implementazioni ufficiali di PyTorch per diverse dimensioni di modello (Atto, Femto, Pico, fino a Huge), conversione da pesi JAX, codice per pre-addestramento/fine-tuning e checkpoint pre-addestrati. Supporta sia il pre-addestramento autosupervisionato che il fine-tuning supervisionato.
Caratteristiche
- Preaddestramento dell'autoencoder mascherato completamente convoluzionale (FCMAE)
- Global Response Normalization (GRN) per migliorare la concorrenza tra i canali
- Diverse dimensioni del modello (Atto, Femto, Pico, Tiny, Base, Large, Huge)
- Supporto per pipeline di apprendimento auto-supervisionate e supervisionate
- Checkpoint preaddestrati (convertiti da JAX) e implementazione PyTorch
- Utilità di formazione/ottimizzazione e codice sia per la pre-formazione che per la valutazione
Linguaggio di programmazione
Python
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/convnext-v2.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.
