This is the Linux app named ResNeXt whose latest release can be downloaded as ResNeXtsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
ResNeXt with OnWorks 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:
レスネクスト
説明:
ResNeXtは、集約された残差変換の概念に基づいて構築された、画像分類用のディープニューラルネットワークアーキテクチャです。ResNeXtは、単に深さや幅を増やすのではなく、カーディナリティと呼ばれる新しい次元を導入します。カーディナリティとは、集約される並列変換パスの数(つまり、「ブランチ」の数)を指します。各ブランチは小さな変換(ボトルネックブロックなど)であり、それらの出力が合計されます。これにより、過度なパラメータ爆発を起こすことなく、より豊かな表現が可能になります。設計はモジュール式で均質であるため、(カーディナリティ、幅、深さを調整することで)比較的簡単に拡張でき、既存の残差フレームワークに導入できます。公式リポジトリでは、ImageNetでのトレーニング、評価、および事前トレーニング済みモデル用のコードを含むTorch(Lua)実装を提供しています。実際には、ResNeXtモデルは、同等の複雑さの標準的なResNetモデルよりも優れたパフォーマンスを発揮することがよくあります。
オプション
- 複数の並列分岐を組み合わせた集約残差変換
- 「カーディナリティ」を新しい建築次元として導入する
- 幅/深さ/カーディナリティにわたって簡単にスケーリングできるモジュラーボトルネックブロック
- トレーニングおよび評価スクリプトを使用したトーチの実装
- ImageNet分類用の事前学習済みモデル
- 残余アーキテクチャとの互換性と簡単な統合
プログラミング言語
Luaの
カテゴリー
このアプリケーションは、https://sourceforge.net/projects/resnext.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。