ນີ້ແມ່ນແອັບ Windows ທີ່ມີຊື່ວ່າ tvm ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ໃນນາມ ApacheTVMv0.11.1.zip. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີ OnWorks ສໍາລັບສະຖານີບ່ອນເຮັດວຽກ.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ tvm 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.
ໜ້າ ຈໍ
Ad
ໂທລະພາບ
ລາຍລະອຽດ
Apache TVM ເປັນໂຄງຮ່າງການລວບລວມການຮຽນຮູ້ເຄື່ອງຈັກແບບເປີດສໍາລັບ CPUs, GPUs ແລະເຄື່ອງເລັ່ງການຮຽນຮູ້ເຄື່ອງຈັກ. ມັນມີຈຸດປະສົງເພື່ອໃຫ້ວິສະວະກອນການຮຽນຮູ້ເຄື່ອງຈັກສາມາດເພີ່ມປະສິດທິພາບ ແລະແລ່ນການຄຳນວນໄດ້ຢ່າງມີປະສິດທິພາບໃນແບັກອັບຮາດແວໃດໆກໍຕາມ. ວິໄສທັດຂອງໂຄງການ Apache TVM ແມ່ນເພື່ອເປັນເຈົ້າພາບຊຸມຊົນທີ່ຫຼາກຫຼາຍຂອງຜູ້ຊ່ຽວຊານ ແລະນັກປະຕິບັດໃນການຮຽນຮູ້ເຄື່ອງຈັກ, ຄອມພີວເຕີ ແລະສະຖາປັດຕະຍະກຳລະບົບ ເພື່ອສ້າງກອບແຫຼ່ງເປີດທີ່ສາມາດເຂົ້າເຖິງໄດ້, ສາມາດຂະຫຍາຍໄດ້ ແລະອັດຕະໂນມັດທີ່ປັບປຸງຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກໃນປະຈຸບັນ ແລະທີ່ພົ້ນເດັ່ນຂື້ນສໍາລັບຮາດແວໃດນຶ່ງ. ເວທີ. ການລວບລວມແບບຈໍາລອງການຮຽນຮູ້ເລິກໃນ Keras, MXNet, PyTorch, Tensorflow, CoreML, DarkNet ແລະອື່ນໆ. ເລີ່ມໃຊ້ TVM ກັບ Python ໃນມື້ນີ້, ສ້າງ stacks ການຜະລິດໂດຍໃຊ້ C++, Rust, ຫຼື Java ໃນມື້ຕໍ່ມາ.
ຄຸນລັກສະນະ
- ການລວບລວມແບບຈໍາລອງການຮຽນຮູ້ເລິກເຂົ້າໄປໃນໂມດູນຕໍາ່ສຸດທີ່ສາມາດນໍາໃຊ້ໄດ້
- ໂຄງສ້າງພື້ນຖານເພື່ອສ້າງອັດຕະໂນມັດ ແລະປັບແຕ່ງຕົວແບບໃນ backend ຫຼາຍດ້ວຍປະສິດທິພາບທີ່ດີກວ່າ
- ການລວບລວມຂໍ້ມູນ ແລະເວລາແລ່ນໜ້ອຍທີ່ສຸດໂດຍທົ່ວໄປແລ້ວຈະປົດລັອກວຽກ ML ໃນຮາດແວທີ່ມີຢູ່
- CPUs, GPUs, browsers, microcontrollers, FPGAs ແລະອື່ນໆ
- ສ້າງ ແລະປັບແຕ່ງຕົວປະຕິບັດການ tensor ໂດຍອັດຕະໂນມັດໃນ backends ຫຼາຍ
- TVM ຮັບຮອງເອົາຮູບແບບ apache committer
ພາສາການຂຽນໂປຣແກຣມ
Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/tvm.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ໃນວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.