Questa è l'app Linux chiamata FastViT, la cui ultima versione può essere scaricata come ml-fastvitsourcecode.tar.gz. Può essere eseguita online sul provider di hosting gratuito OnWorks per workstation.
Scarica ed esegui online gratuitamente questa app chiamata FastViT 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:
FastViT
DESCRIZIONE:
FastViT è una famiglia efficiente di backbone di visione che combina bias induttivi convoluzionali con la capacità di un trasformatore per offrire un'elevata accuratezza con budget di inferenza mobile e in tempo reale. Il suo design persegue una curva di Pareto favorevole in termini di latenza-accuratezza, concentrandosi su dispositivi edge e scenari server in cui throughput e latenza di coda sono importanti. I modelli utilizzano un'attenzione leggera e blocchi accuratamente progettati per ridurre al minimo i costi di mixaggio dei token, preservando al contempo la potenza di rappresentazione. Le ricette di addestramento e inferenza evidenziano una semplice integrazione in attività di visione comuni come classificazione, rilevamento e segmentazione. La base di codice fornisce implementazioni di riferimento e checkpoint che semplificano la valutazione o la messa a punto sui set di dati downstream. In pratica, FastViT offre backbone drop-in che riducono la pressione di calcolo e di memoria senza ricorrere a trucchi di addestramento particolari.
Caratteristiche
- Blocchi Hybrid Conv-Transformer ottimizzati per la latenza
- Precisione competitiva nei budget di inferenza mobile/edge
- Script di formazione di riferimento e checkpoint pre-addestrati
- Compatibilità con le testine di rilevamento/segmentazione standard
- Componenti di attenzione e mixaggio di token efficienti in termini di memoria
- Semplice integrazione nelle pipeline PyTorch esistenti
Linguaggio di programmazione
Python
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/fastvit.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.