This is the Linux app named ResNeXt whose latest release can be downloaded as ResNeXtsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
ResNeXt 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.
스크린 샷
Ad
레스넥스트
기술
ResNeXt는 집계된 잔차 변환(aggregated residual transformation)이라는 개념을 기반으로 구축된 이미지 분류용 심층 신경망 아키텍처입니다. ResNeXt는 단순히 깊이나 너비를 늘리는 대신, 기수(cardinality)라는 새로운 차원을 도입합니다. 기수는 함께 집계되는 병렬 변환 경로의 수(즉, "분기"의 수)를 나타냅니다. 각 분기는 작은 변환(예: 병목 블록)이며, 각 분기의 출력은 합산됩니다. 이를 통해 과도한 매개변수 증가 없이 더욱 풍부한 표현이 가능합니다. 설계는 모듈식이고 동질적이어서 기수, 너비, 깊이를 조정하여 확장하고 기존 잔차 프레임워크에 적용하기가 비교적 쉽습니다. 공식 저장소는 ImageNet에서 학습, 평가 및 사전 학습된 모델을 위한 코드가 포함된 Torch(Lua) 구현을 제공합니다. 실제로 ResNeXt 모델은 비슷한 복잡도의 표준 ResNet 모델보다 성능이 우수한 경우가 많습니다.
기능
- 여러 병렬 분기를 결합한 집계 잔차 변환
- 새로운 건축적 차원으로 "기수성"을 소개합니다.
- 폭/깊이/기수에 걸쳐 쉽게 확장 가능한 모듈식 병목 블록
- 훈련 및 평가 스크립트를 통한 토치 구현
- ImageNet 분류를 위한 사전 학습된 모델
- 잔여 아키텍처와의 호환성 및 간단한 통합
프로그래밍 언어
루아
카테고리
이 애플리케이션은 https://sourceforge.net/projects/resnext.mirror/에서도 다운로드할 수 있습니다. OnWorks에 호스팅되어 무료 운영 체제 중 하나에서 가장 쉽게 온라인에서 실행할 수 있도록 설계되었습니다.
