Questa è l'app Linux chiamata DeepCluster, la cui ultima versione può essere scaricata come deepclustersourcecode.tar.gz. Può essere eseguita online sul provider di hosting gratuito OnWorks per workstation.
Scarica ed esegui online gratuitamente questa app chiamata DeepCluster 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:
Cluster profondo
DESCRIZIONE:
DeepCluster è un classico algoritmo di apprendimento delle rappresentazioni basato sul clustering auto-supervisionato che raggruppa iterativamente le feature delle immagini e utilizza le assegnazioni dei cluster come pseudo-etichette per addestrare la rete. A ogni ciclo, le feature prodotte dalla rete vengono raggruppate (ad esempio, k-means) e gli ID dei cluster diventano target di supervisione nell'epoca successiva, incoraggiando il modello a perfezionare la sua rappresentazione per separare meglio i gruppi semantici. Questo schema alternato di "cluster e training" aiuta il modello a scoprire gradualmente una struttura significativa senza etichette. DeepCluster è stato uno dei primi successi nell'apprendimento non supervisionato delle feature visive, dimostrando che la riformulazione basata sul clustering può competere con le baseline supervisionate per molte attività a valle. Il repository include codice per l'estrazione di feature, il clustering, i cicli di training e i benchmark di valutazione come le sonde lineari. Grazie alla sua semplicità e al design modulare, DeepCluster ha ispirato molti metodi successivi.
Caratteristiche
- Apprendimento non supervisionato tramite clustering iterativo e supervisione pseudo-etichetta
- Pipeline alternata: funzionalità del cluster → utilizzare gli ID del cluster per addestrare la rete
- Supporto per k-means o altri algoritmi di clustering nello spazio delle caratteristiche
- Script di formazione e valutazione per attività a valle (classificazione, rilevamento)
- Codice modulare per scambiare architetture di rete o metodi di clustering
- Riferimento di base per molti approcci auto-supervisionati successivi
Linguaggio di programmazione
Python
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/deepcluster.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.