Questa è l'app Linux denominata Uncertainty Baselines, la cui ultima versione può essere scaricata come uncertainty-baselinessourcecode.tar.gz. Può essere eseguita online sul provider di hosting gratuito OnWorks per workstation.
Scarica ed esegui online gratuitamente questa app denominata Uncertainty Baselines 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
Basi di incertezza
DESCRIZIONE
Uncertainty Baselines è una raccolta di pipeline di training solide e ben documentate che semplificano la valutazione dell'incertezza predittiva nei moderni modelli di machine learning. Anziché offrire script di prova, fornisce ricette end-to-end (input dati, architetture del modello, cicli di training, metriche di valutazione e logging), in modo che i risultati siano confrontabili tra esecuzioni e gruppi di ricerca. La libreria abbraccia modalità e attività canoniche, dalla classificazione delle immagini e dall'elaborazione del linguaggio naturale ai problemi tabulari, con baseline che coprono sia approcci deterministici che probabilistici. Le tecniche includono ensemble profondi, dropout Monte Carlo, scaling della temperatura, inferenza variazionale stocastica, teste eteroschedastiche e flussi di lavoro di rilevamento fuori distribuzione. Ogni baseline enfatizza la riproducibilità: seed fissi, split standard e metriche solide come errore di calibrazione, AUROC per OOD e accuratezza in caso di shift.
Caratteristiche
- Pipeline end-to-end riproducibili per la valutazione dell'incertezza
- Copertura di ensemble, dropout MC, SVI e metodi di calibrazione
- Metriche standardizzate per la qualità del rilevamento e della calibrazione OOD
- Linee di base tra visione, linguaggio e attività tabellari
- File di configurazione chiari e registrazione per confronti equi
- Valori predefiniti elevati che possono essere estesi per nuove idee di ricerca
Linguaggio di programmazione
Python
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/uncertainty-baselines.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.
