PyCls라는 이름의 리눅스 앱으로, 최신 버전은 Sweepcodeforstudyingmodelpopulationstatssourcecode.tar.gz 파일로 다운로드할 수 있습니다. 워크스테이션용 무료 호스팅 제공업체인 OnWorks에서 온라인으로 실행할 수 있습니다.
PyCls with OnWorks라는 앱을 무료로 다운로드하여 온라인에서 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:
PyCls
설명 :
pycls는 재현성과 강력하고 투명한 기준선을 강조하는 이미지 분류 연구를 위한 집중적인 PyTorch 코드베이스입니다. RegNet과 같은 제품군을 대중화했으며, 깔끔한 구현과 일관된 학습 레시피를 통해 ResNet, ResNeXt와 같은 기존 아키텍처를 지원합니다. 이 저장소에는 고도로 조정된 스케줄, 증강 및 정규화 설정이 포함되어 있어 추측 없이 보고된 정확도와 쉽게 일치시킬 수 있습니다. 분산 학습 및 혼합 정밀도는 최고 수준이며, 간단하고 선언적인 구성으로 다중 GPU 환경에서 빠른 실험을 가능하게 합니다. 모델 정의는 간결하고 모듈화되어 있어 파이프라인의 나머지 부분은 변경하지 않고도 새로운 블록을 프로토타입화하거나 백본을 쉽게 교체할 수 있습니다. 사전 학습된 가중치 및 평가 스크립트는 일반적인 데이터 세트를 다루며, 로깅/메트릭 스택은 실행 간 빠른 비교를 위해 설계되었습니다. 실무자들은 pycls를 기준선 팩토리이자 새로운 분류 백본의 스캐폴드로 사용합니다.
기능
- ResNet/ResNeXt/RegNet 제품군의 참조 구현
- 조정된 일정과 증강을 갖춘 재현 가능한 훈련 레시피
- 즉시 사용 가능한 분산 및 혼합 정밀도 학습
- 선언적 구성 시스템 및 정리된 데이터 파이프라인
- 사전 훈련된 체크포인트 및 표준화된 평가 스크립트
- 빠른 아키텍처 반복을 위한 최소한의 모듈식 모델 코드
프로그래밍 언어
Python
카테고리
이 애플리케이션은 https://sourceforge.net/projects/pycls.mirror/에서도 다운로드할 수 있습니다. OnWorks에 호스팅되어 무료 운영 체제 중 하나에서 가장 쉽게 온라인에서 실행할 수 있도록 설계되었습니다.