これは4MというLinuxアプリケーションで、最新リリースはml-4msourcecode.tar.gzとしてダウンロードできます。ワークステーション向けの無料ホスティングプロバイダーであるOnWorksでオンラインで実行できます。
OnWorks を使用して、4M というこのアプリを無料でダウンロードし、オンラインで実行します。
このアプリを実行するには、次の手順に従ってください。
-1。このアプリケーションをPCにダウンロードしました。
--2。ファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXに必要なユーザー名を入力します。
-3。このアプリケーションをそのようなファイルマネージャにアップロードします。
-4。このWebサイトからOnWorksLinuxオンラインまたはWindowsオンラインエミュレーターまたはMACOSオンラインエミュレーターを起動します。
-5。起動したばかりのOnWorksLinux OSから、必要なユーザー名でファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXにアクセスします。
-6。アプリケーションをダウンロードし、インストールして実行します。
スクリーンショット：
4M
説明：
4Mは、「any-to-any」ビジョン基盤モデルのトレーニングフレームワークであり、トークン化とマスキングを用いて様々なモダリティやタスクに拡張可能です。同じモデルファミリーで、画像の分類、セグメント化、検出、キャプション作成、さらには生成まで行うことができ、識別と生成の両方に単一のインターフェースで対応可能です。リポジトリでは、複数のバリアント（例：4M-7、4M-21）のコードとモデルを公開しており、未知のタスクやモダリティへの応用を重視しています。トレーニング/推論の設定と課題では、深度トークナイザー、生成のための入力マスク、CUDAビルドに関する質問などが議論されており、活発な研究の反復が示唆されています。設計は柔軟性と操作性を重視しているため、タスクごとに専用のヘッドを用意することなく、プロンプトとマスクで動作を形成できます。つまり、4Mは、広く一般化しつつも微調整が可能な、大規模なマルチモーダルモデルを事前トレーニングするための統一されたレシピを提供します。
オプション
- 多様なビジョンタスクにわたる Any-to-Any モデリング
- 複数のモダリティを統合したトークン化によるマスクモデリング
- トレーニング/評価コードを含むモデルファミリー（例：4M-7、4M-21）をリリース
- タスク特有の頭脳を持たない、指示可能かつ誘導可能な行動
- 単一のバックボーンから未知のタスクやモダリティへの転送
- 研究グレードの構成と再現例
プログラミング言語
Python
カテゴリー
このアプリケーションは、https://sourceforge.net/projects/fourm.mirror/ からも入手できます。OnWorks でホストされているため、無料のオペレーティングシステムから最も簡単にオンラインで実行できます。