これはDeepClusterというWindowsアプリで、最新リリースはdeepclustersourcecode.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、DeepCluster 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OSOnWorksオンラインエミュレーターを起動しますが、Windowsオンラインエミュレーターの方が優れています。
-5。起動したばかりのOnWorksWindows 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てインストールします。
-7.LinuxディストリビューションソフトウェアリポジトリからWineをダウンロードします。 インストールしたら、アプリをダブルクリックして、Wineで実行できます。 また、人気のあるWindowsプログラムやゲームのインストールに役立つWine上の豪華なインターフェイスであるPlayOnLinuxを試すこともできます。
WineはLinux上でWindowsソフトウェアを実行する方法ですが、Windowsは必要ありません。 Wineは、任意のLinuxデスクトップでWindowsプログラムを直接実行できるオープンソースのWindows互換性レイヤーです。 基本的に、Wineは、実際にWindowsを必要とせずに、これらすべてのWindowsアプリケーションを実行できるように、十分な数のWindowsを最初から再実装しようとしています。
スクリーンショット：
ディープクラスター
説明：
DeepClusterは、画像の特徴を反復的にグループ化し、クラスターの割り当てを疑似ラベルとして使用してネットワークをトレーニングする、古典的な自己教師ありクラスタリングベースの表現学習アルゴリズムです。各ラウンドでは、ネットワークによって生成された特徴がクラスタリングされ（例：k-means）、クラスターIDが次のエポックの教師ターゲットとなり、モデルが表現を改良して意味グループをより適切に分離するように促します。この「クラスタリングとトレーニング」を交互に行うスキームにより、モデルはラベルなしで意味のある構造を徐々に発見できるようになります。DeepClusterは、教師なし視覚特徴学習における初期の成功例の1つであり、クラスタリングベースの再定式化が、多くの下流タスクにおいて教師ありベースラインに匹敵することを実証しました。リポジトリには、特徴抽出、クラスタリング、トレーニングループ、線形プローブなどの評価ベンチマークのコードが含まれています。DeepClusterはそのシンプルさとモジュール設計により、後の多くの手法に影響を与えました。
オプション
- 反復クラスタリングと疑似ラベル教師による教師なし学習
- 交互パイプライン: クラスター機能 → クラスターIDを使用してネットワークをトレーニングする
- 特徴空間におけるk-meansやその他のクラスタリングアルゴリズムのサポート
- 下流タスク（分類、検出）のトレーニングおよび評価スクリプト
- ネットワークアーキテクチャやクラスタリング方法を交換するためのモジュラーコード
- 後の多くの自己教師あり学習アプローチのベースライン参照
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/deepcluster.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。