これはFastViTというLinuxアプリで、最新リリースはml-fastvitsourcecode.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。
FastViT というアプリを OnWorks で無料でダウンロードして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：
ファストビタミン
説明：
FastViTは、畳み込み帰納的バイアスとトランスフォーマー容量を融合し、モバイルおよびリアルタイム推論の予算で高い精度を実現する効率的なビジョンバックボーンファミリーです。その設計は、スループットとテールレイテンシが重要となるエッジデバイスやサーバーシナリオを対象としており、レイテンシと精度のパレート曲線を良好にするように設計されています。モデルは軽量なアテンションと慎重に設計されたブロックを使用することで、トークン混合コストを最小限に抑えながら表現力を維持します。トレーニングと推論のレシピは、分類、検出、セグメンテーションといった一般的なビジョンタスクへの容易な統合を重視しています。コードベースにはリファレンス実装とチェックポイントが用意されており、下流のデータセットでの評価や微調整を容易に行うことができます。実際には、FastViTは特別なトレーニングトリックを必要とせず、コンピューティングとメモリの負荷を軽減するドロップインバックボーンを提供します。
オプション
- レイテンシに最適化されたハイブリッドConv-Transformerブロック
- モバイル/エッジ推論予算で競争力のある精度
- トレーニング スクリプトと事前トレーニング済みチェックポイントを参照する
- 標準検出/セグメンテーションヘッドとの互換性
- メモリ効率の高いアテンションとトークンミキシングコンポーネント
- 既存のPyTorchパイプラインへのシンプルな統合
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/fastvit.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。