This is the Windows app named 4M whose latest release can be downloaded as ml-4msourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Scarica ed esegui online gratuitamente questa app denominata 4M 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. Avvia qualsiasi emulatore online OS OnWorks da questo sito Web, ma migliore emulatore online Windows.
- 5. Dal sistema operativo OnWorks Windows 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 e installala.
- 7. Scarica Wine dai repository software delle tue distribuzioni Linux. Una volta installato, puoi quindi fare doppio clic sull'app per eseguirli con Wine. Puoi anche provare PlayOnLinux, un'interfaccia fantasiosa su Wine che ti aiuterà a installare programmi e giochi Windows popolari.
Wine è un modo per eseguire il software Windows su Linux, ma senza Windows richiesto. Wine è un livello di compatibilità Windows open source in grado di eseguire programmi Windows direttamente su qualsiasi desktop Linux. Essenzialmente, Wine sta cercando di re-implementare abbastanza Windows da zero in modo che possa eseguire tutte quelle applicazioni Windows senza effettivamente bisogno di Windows.
IMMAGINI
Ad
4M
DESCRIZIONE
4M è un framework di training per modelli di base di visione "any-to-any" che utilizza la tokenizzazione e il mascheramento per adattarsi a diverse modalità e attività. La stessa famiglia di modelli può classificare, segmentare, rilevare, didascaliare e persino generare immagini, con un'unica interfaccia per l'uso sia discriminativo che generativo. Il repository rilascia codice e modelli per diverse varianti (ad esempio, 4M-7 e 4M-21), enfatizzando il trasferimento a attività e modalità non viste. Le configurazioni e i problemi di training/inferenza affrontano aspetti come tokenizzatori di profondità, maschere di input per la generazione e domande di build CUDA, segnalando l'iterazione attiva della ricerca. Il design si basa su flessibilità e gestibilità, in modo che prompt e maschere possano modellare il comportamento senza dover ricorrere a testine personalizzate per ogni attività. In breve, 4M fornisce una ricetta unificata per pre-addestrare modelli multimodali di grandi dimensioni che generalizzano ampiamente pur rimanendo pratici da perfezionare.
Caratteristiche
- Modellazione "any-to-any" attraverso diverse attività visive
- Modellazione mascherata con tokenizzazione unificata per più modalità
- Famiglie di modelli rilasciate (ad esempio, 4M-7, 4M-21) con codice di addestramento/valutazione
- Comportamento tempestivo e gestibile senza teste specifiche per attività
- Trasferimento a compiti e modalità invisibili da un'unica struttura portante
- Configurazioni di livello di ricerca ed esempi per la riproduzione
Linguaggio di programmazione
Python
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/fourm.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.
