SimSiam이라는 이름의 Linux 앱으로, 최신 버전은 simsiamsourcecode.tar.gz 파일로 다운로드할 수 있습니다. 워크스테이션용 무료 호스팅 제공업체인 OnWorks에서 온라인으로 실행할 수 있습니다.
OnWorks가 포함된 SimSiam이라는 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
심시암
기술
SimSiam은 Xinlei Chen과 Kaiming He의 "Exploring Simple Siamese Representation Learning"을 PyTorch로 구현한 것입니다. 이 프로젝트는 기존 대조 방법의 핵심적인 복잡성인 음수 쌍, 모멘텀 인코더, 또는 대용량 메모리 뱅크를 피하는 자기 지도 학습에 대한 미니멀리스트적 접근 방식을 소개합니다. SimSiam은 정지-기울기 연산을 사용하는 Siamese 신경망을 통해 동일 이미지의 두 증강된 뷰 간의 유사성을 극대화하여 이미지 표현을 학습하고, 특징 붕괴를 방지합니다. 이처럼 우아하면서도 효과적인 설계는 대조 손실 없이 ImageNet과 같은 비지도 학습 벤치마크에서 뛰어난 성과를 달성합니다. 이 저장소는 기본적으로 ResNet-50 백본을 사용하여 비지도 사전 학습 및 선형 평가 스크립트를 제공합니다. 다중 GPU 분산 학습과 호환되며, MoCo와 동일한 설정에 따라 미세 조정하거나 객체 감지와 같은 다운스트림 작업으로 이전할 수 있습니다.
기능
- 음수 쌍이나 모멘텀 인코더가 없는 최소 자기 감독 학습 프레임워크
- 분산형 다중 GPU 학습에 최적화된 PyTorch 기반 구현
- 논문의 기본 하이퍼파라미터를 사용하여 ImageNet을 위한 완벽하게 재현 가능한 교육 파이프라인
- 비지도 사전 학습 및 선형 평가 스크립트가 모두 포함됩니다.
- NVIDIA Apex를 통한 대규모 배치 학습을 위한 LARS 최적화 지원
- MoCo의 객체 감지 전송 설정과 호환 가능
프로그래밍 언어
Python
카테고리
이 애플리케이션은 https://sourceforge.net/projects/simsiam.mirror/에서도 다운로드할 수 있습니다. OnWorks에 호스팅되어 무료 운영 체제 중 하나에서 가장 쉽게 온라인에서 실행할 수 있도록 설계되었습니다.
