これはSimSiamというLinuxアプリで、最新リリースはsimsiamsourcecode.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、SimSiam というアプリを無料でダウンロードし、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:
シムサイアム
説明:
SimSiamは、Xinlei ChenとKaiming Heによる「Exploring Simple Siamese Representation Learning」のPyTorch実装です。このプロジェクトは、ネガティブペア、モメンタムエンコーダ、大容量メモリバンクといった、従来の対照的手法の主要な複雑さを回避する、自己教師学習への最小限のアプローチを導入しています。SimSiamは、特徴の崩壊を防ぐストップグラディエント操作を備えたSiameseニューラルネットワークを通じて、同じ画像の2つの拡張ビュー間の類似性を最大化することで画像表現を学習します。このエレガントかつ効果的な設計は、対照的損失を必要とせずに、ImageNetなどの教師なし学習ベンチマークで優れた結果を達成しています。リポジトリには、デフォルトでResNet-50バックボーンを使用した、教師なし事前トレーニングと線形評価の両方のためのスクリプトが用意されています。マルチGPU分散トレーニングと互換性があり、MoCoと同じセットアップに従って微調整したり、物体検出などの下流タスクに転送したりできます。
オプション
- 負のペアやモメンタムエンコーダを使用しない最小限の自己教師学習フレームワーク
- 分散マルチGPUトレーニングに最適化されたPyTorchベースの実装
- 論文のデフォルトのハイパーパラメータを使用した、ImageNet の完全に再現可能なトレーニング パイプライン
- 教師なし事前トレーニングと線形評価スクリプトの両方が含まれています
- 大規模バッチトレーニングのための NVIDIA Apex 経由の LARS オプティマイザー サポート
- MoCoのオブジェクト検出転送設定と互換性あり
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/simsiam.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。