これは「Uncertainty Baselines」というLinuxアプリケーションで、最新リリースは「uncertainty-baselinessourcecode.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 で Uncertainty Baselines 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
不確実性ベースライン
DESCRIPTION
不確実性ベースラインは、強力で十分に文書化されたトレーニングパイプラインのコレクションであり、最新の機械学習モデルにおける予測不確実性を容易に評価できます。単なるトイスクリプトではなく、データ入力、モデルアーキテクチャ、トレーニングループ、評価指標、ログ記録など、エンドツーエンドのレシピを提供するため、実行や研究グループ間で結果を比較できます。このライブラリは、画像分類やNLPから表形式の問題まで、標準的な手法とタスクを網羅し、決定論的アプローチと確率論的アプローチの両方をカバーするベースラインを備えています。これらの手法には、ディープアンサンブル、モンテカルロドロップアウト、温度スケーリング、確率的変分推論、異分散ヘッド、分布外検出ワークフローなどがあります。各ベースラインは、固定シード、標準分割、キャリブレーション誤差、OODのAUROC、シフト時の精度などの強力な指標など、再現性を重視しています。
オプション
- 不確実性評価のためのエンドツーエンドで再現可能なパイプライン
- アンサンブル、MCドロップアウト、SVI、キャリブレーション手法を網羅
- OOD検出と校正品質の標準化された指標
- 視覚、言語、表形式のタスクのベースライン
- 公平な比較のために明確な設定ファイルとログ記録
- 新しい研究アイデアに合わせて拡張できる強力なデフォルト
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/uncertainty-baselines.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。
