This is the Windows app named The Neural Process Family whose latest release can be downloaded as neural-processessourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ຄອບຄົວຂະບວນການ Neural ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
ຄອບຄົວຂະບວນການ Neural
Ad
ລາຍລະອຽດ
Neural Processes (NPs) ແມ່ນຊຸດຂອງການປະຕິບັດປື້ມບັນທຶກ Jupyter/Colab ແບບໂຕ້ຕອບທີ່ພັດທະນາໂດຍ Google DeepMind, ສະແດງສາມຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ເປັນພື້ນຖານຄື: Conditional Neural Processes (CNPs), Neural Processes (NPs), ແລະ Attentive Neural Processes (ANPs). ຮູບແບບເຫຼົ່ານີ້ປະສົມປະສານຄວາມເຂັ້ມແຂງຂອງເຄືອຂ່າຍ neural ແລະຂະບວນການ stochastic, ອະນຸຍາດໃຫ້ມີການປະມານການທໍາງານທີ່ມີຄວາມຍືດຫຍຸ່ນກັບການຄາດຄະເນທີ່ບໍ່ແນ່ນອນ. ພວກເຂົາສາມາດຮຽນຮູ້ການແຈກຢາຍຫຼາຍກວ່າຫນ້າທີ່ຈາກຂໍ້ມູນແລະປະສິດທິຜົນເຮັດໃຫ້ການຄາດຄະເນໃນວັດສະດຸປ້ອນໃຫມ່ດ້ວຍຄວາມບໍ່ແນ່ນອນທີ່ມີການປັບຕົວ - ເຮັດໃຫ້ມັນເປັນປະໂຫຍດສໍາລັບການຮຽນຮູ້ການສັກຢາຈໍານວນຫນ້ອຍ, ການຖົດຖອຍ Bayesian, ແລະການຮຽນຮູ້ meta. ປື້ມບັນທຶກແຕ່ລະອັນປະກອບມີຄໍາອະທິບາຍທາງທິດສະດີ, ໂຄງສ້າງທີ່ສໍາຄັນ, ແລະລະຫັດປະຕິບັດໄດ້ທີ່ເຮັດວຽກໂດຍກົງໃນ Google Colab, ບໍ່ຈໍາເປັນຕ້ອງມີການຕິດຕັ້ງໃນທ້ອງຖິ່ນ. ການປະຕິບັດແມ່ນອີງໃສ່ພຽງແຕ່ການຂຶ້ນກັບມາດຕະຖານເຊັ່ນ NumPy, TensorFlow, ແລະ Matplotlib, ແລະສະຫນອງການສະແດງພາບຂອງການປະຕິບັດຕົວແບບ.
ຄຸນລັກສະນະ
- ບໍ່ຈຳເປັນຕ້ອງຕິດຕັ້ງເມື່ອແລ່ນໃນ Google Colab
- ເຫມາະສໍາລັບການນໍາໃຊ້ການສຶກສາ, ການຄົ້ນຄວ້າ prototyping, ແລະການທົດລອງ
- ລວມມີເຄື່ອງມືການເບິ່ງເຫັນພາບສຳລັບການຟື້ນຟູໜ້າທີ່ ແລະການຄາດຄະເນ
- ການປະຕິບັດ TensorFlow ທີ່ມີນ້ໍາຫນັກເບົາທີ່ມີການຂຶ້ນກັບຫນ້ອຍ
- ສະແດງໃຫ້ເຫັນ Meta-learning ແລະ uncertainty-aware regression
- ປື້ມບັນທຶກ Colab ແບບໂຕ້ຕອບສຳລັບແບບ CNP, NP, ແລະ ANP
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/neural-process-family.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ດ້ວຍວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.
