これはMoCo v3というLinuxアプリで、最新リリースはmoco-v3sourcecode.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。
MoCo v3 というこのアプリを 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:
モコ v3
説明:
MoCo v3は、ResNetとVision Transformer(ViT)バックボーンを用いた視覚表現学習のためのFacebook Researchの最先端の自己教師あり学習フレームワークであるMomentum Contrast v3(MoCo v3)のPyTorch再実装です。元々はTensorFlowでTPU用に開発されたこのバージョンは、アクセス可能でスケーラブルなPyTorchインターフェースを提供しながら、GPU上で論文の結果を忠実に再現します。MoCo v3は、対照学習とトランスフォーマーベースのアーキテクチャを組み合わせることで自己教師ありViTのトレーニングを改善し、ImageNetベンチマークで強力な線形およびエンドツーエンドのファインチューニング性能を実現しています。リポジトリは、マルチノード分散トレーニング、自動混合精度、大規模バッチ環境の学習率の線形スケーリングをサポートしています。また、DeiTフレームワーク内での自己教師あり事前トレーニング、線形分類、ファインチューニング用のスクリプトも含まれています。
オプション
- ImageNetおよび転移学習の標準ビジョンベンチマークと互換性があります
- スケーラブルなハイパーパラメータとバッチ設定を備えたコマンドラインフラグで構成可能
- 自己教師あり事前学習、線形評価、DeiT 微調整のための統合スクリプト
- 強力なImageNet結果を達成(例:ResNet-50で74.6%の線形トップ1、ViT-Bの微調整で83.2%)
- 混合精度による大規模なマルチGPU分散トレーニングをサポート
- ResNet および ViT モデル用の自己教師あり MoCo v3 の PyTorch 実装
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/moco-v3.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。