これはHigherという名前のLinuxアプリで、最新リリースはhigherv0.2.1sourcecode.zip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 で Higher というアプリを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は
Ad
より高い
DESCRIPTION
higherは、微分可能な最適化ループを通じて高階微分とメタ学習を可能にすることでPyTorchの機能を拡張するために設計された専用ライブラリです。開発者や研究者は、メタ学習、ハイパーパラメータ最適化、モデル適応などのタスクに不可欠な、最適化プロセス全体を通して勾配を計算できます。このライブラリは、標準のtorch.nn.Moduleインスタンスを「状態のない」関数形式に変換するユーティリティを導入しているため、パラメータ更新を微分可能な操作として扱うことができます。また、SGDやAdamなどの一般的な最適化ツールの微分可能な実装も提供しており、任意の数の内部ループ最適化ステップを通じて逆伝播することが可能です。明確で柔軟なインターフェースを提供することで、higherは複数の更新レベルにわたる勾配追跡を必要とする複雑な学習アルゴリズムの構築を簡素化します。その設計は、既存のPyTorchモデルとの互換性を確保しています。
オプション
- 更新を通じて微分可能な内部ループ最適化と勾配追跡を可能にする
- torch.nn.Module モデルをメタ学習用の機能的かつステートレスな形式に変換します。
- AdamやSGDなどの標準的な最適化ツールの微分可能なバージョンを提供します
- 高次勾配計算のためのアンロール最適化を可能にする
- 最小限の変更で既存の PyTorch ワークフローに簡単に統合できます
- 登録とサブクラス化によるカスタム微分可能最適化ツールをサポート
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/higher.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。
