これはIVYという名前のLinuxアプリケーションで、最新リリースはIvyv1.0.0.5sourcecode.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、IVY という名前のこのアプリをオンラインで無料でダウンロードして実行します。
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
IVY
DESCRIPTION
含めたいコードを選択します。 たとえば、既存の TensorFlow モデルと、PyTorch ライブラリと NumPy ライブラリの両方からのいくつかの便利な関数です。 データの読み込み、分散トレーニング、分析、ロギング、視覚化など、上位レベルのパイプラインを作成するためのフレームワークを選択します。このパイプライン全体を実行するために内部で使用するバックエンド フレームワークを選択します。 ニーズに合わせて最適なデバイスまたはデバイスの組み合わせを選択してください。 DeepMind は、JAX で書かれた素晴らしいモデルを GitHub でリリースしています。 例として PerceiverIO を使用します。 PyTorch にモデルを自分で実装し、時間とエネルギーを費やしてあらゆる詳細が正しいことを確認します。 それ以外の場合は、多くの再実装の試行 (a、b、c、d、e、f) の中から PyTorch バージョンが GitHub に表示されるまで待ちます。 JAX モデルを PyTorch に即座にトランスパイルします。 これにより、元のモデルと同等の同一の PyTorch が作成されます。
オプション
- より高レベルのパイプラインを作成するためのフレームワークを選択してください
- 内部で使用するバックエンド フレームワークを選択します
- ニーズに合わせて最適なデバイスまたはデバイスの組み合わせを選択してください
- 含めたいコードを選択します
- 例を追加
- Ivy はライブラリ内のあらゆる関数をあらゆるターゲット フレームワークにトランスパイルできます
プログラミング言語
Python
カテゴリー
これは https://sourceforge.net/projects/ivy.mirror/ から取得できるアプリケーションです。 無料のオペレーティング システムの XNUMX つから最も簡単な方法でオンラインで実行できるように、OnWorks でホストされています。
