MoCo v3라는 이름의 Linux 앱으로, 최신 버전은 moco-v3sourcecode.tar.gz 파일로 다운로드할 수 있습니다. 워크스테이션용 무료 호스팅 제공업체인 OnWorks에서 온라인으로 실행할 수 있습니다.
OnWorks가 포함된 MoCo v3라는 앱을 무료로 온라인에서 다운로드하여 실행해보세요.
이 앱을 실행하려면 다음 지침을 따르세요.
- 1. 이 애플리케이션을 PC에 다운로드했습니다.
- 2. 파일 관리자 https://www.onworks.net/myfiles.php?username=XXXXX에 원하는 사용자 이름을 입력합니다.
- 3. 이러한 파일 관리자에서 이 응용 프로그램을 업로드합니다.
- 4. 이 웹사이트에서 OnWorks Linux 온라인 또는 Windows 온라인 에뮬레이터 또는 MACOS 온라인 에뮬레이터를 시작합니다.
- 5. 방금 시작한 OnWorks Linux OS에서 원하는 사용자 이름으로 파일 관리자 https://www.onworks.net/myfiles.php?username=XXXXX로 이동합니다.
- 6. 응용 프로그램을 다운로드하여 설치하고 실행합니다.
스크린샷:
모코 v3
설명 :
MoCo v3는 ResNet과 Vision Transformer(ViT) 백본을 사용하여 시각적 표현을 학습하는 Facebook Research의 최첨단 자기 지도 학습 프레임워크인 Momentum Contrast v3(MoCo v3)를 PyTorch로 재구현한 것입니다. 원래 TPU용으로 TensorFlow에서 개발된 이 버전은 GPU에서 논문의 결과를 충실하게 재현하는 동시에 접근성과 확장성이 뛰어난 PyTorch 인터페이스를 제공합니다. MoCo v3는 대조 학습과 트랜스포머 기반 아키텍처를 결합하여 자기 지도 ViT 학습을 개선하고, ImageNet 벤치마크에서 강력한 선형 및 종단 간 미세 조정 성능을 달성합니다. 이 저장소는 다중 노드 분산 학습, 자동 혼합 정밀도, 그리고 대규모 배치 체제에 대한 학습률의 선형 스케일링을 지원합니다. 또한 DeiT 프레임워크 내에서 자기 지도 사전 학습, 선형 분류 및 미세 조정을 위한 스크립트도 포함되어 있습니다.
기능
- ImageNet 및 표준 비전 벤치마크와 호환되어 학습 전이가 가능합니다.
- 확장 가능한 하이퍼매개변수 및 배치 설정을 사용하여 명령줄 플래그를 통해 구성 가능
- 자체 감독 사전 학습, 선형 평가 및 DeiT 미세 조정을 위한 통합 스크립트
- 강력한 ImageNet 결과 달성(예: ResNet-50에서 74.6% 선형 상위 1, 미세 조정 ViT-B에서 83.2%)
- 혼합 정밀도를 갖춘 대규모 다중 GPU 분산 학습을 지원합니다.
- ResNet 및 ViT 모델을 위한 자체 감독 MoCo v3의 PyTorch 구현
프로그래밍 언어
Python
카테고리
이 애플리케이션은 https://sourceforge.net/projects/moco-v3.mirror/에서도 다운로드할 수 있습니다. OnWorks에 호스팅되어 무료 운영 체제 중 하나에서 가장 쉽게 온라인에서 실행할 수 있도록 설계되었습니다.