ഇതാണ് Active Learning എന്ന് പേരിട്ടിരിക്കുന്ന Windows ആപ്പ്, ഇതിന്റെ ഏറ്റവും പുതിയ പതിപ്പ് active-learningsourcecode.tar.gz ആയി ഡൗൺലോഡ് ചെയ്യാം. വർക്ക്സ്റ്റേഷനുകൾക്കായുള്ള സൗജന്യ ഹോസ്റ്റിംഗ് ദാതാവായ OnWorks-ൽ ഇത് ഓൺലൈനായി പ്രവർത്തിപ്പിക്കാം.
ആക്റ്റീവ് ലേണിംഗ് വിത്ത് ഓൺ വർക്ക്സ് എന്ന് പേരിട്ടിരിക്കുന്ന ഈ ആപ്പ് സൗജന്യമായി ഓൺലൈനായി ഡൗൺലോഡ് ചെയ്ത് പ്രവർത്തിപ്പിക്കുക.
ഈ ആപ്പ് പ്രവർത്തിപ്പിക്കുന്നതിന് ഈ നിർദ്ദേശങ്ങൾ പാലിക്കുക:
- 1. നിങ്ങളുടെ പിസിയിൽ ഈ ആപ്ലിക്കേഷൻ ഡൗൺലോഡ് ചെയ്തു.
- 2. ഞങ്ങളുടെ ഫയൽ മാനേജറിൽ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിൽ നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമം നൽകുക.
- 3. അത്തരം ഫയൽമാനേജറിൽ ഈ ആപ്ലിക്കേഷൻ അപ്‌ലോഡ് ചെയ്യുക.
- 4. ഈ വെബ്‌സൈറ്റിൽ നിന്ന് ഏതെങ്കിലും OS OnWorks ഓൺലൈൻ എമുലേറ്റർ ആരംഭിക്കുക, എന്നാൽ മികച്ച Windows ഓൺലൈൻ എമുലേറ്റർ.
- 5. നിങ്ങൾ ഇപ്പോൾ ആരംഭിച്ച OnWorks Windows OS-ൽ നിന്ന്, നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമത്തോടുകൂടിയ ഞങ്ങളുടെ ഫയൽ മാനേജർ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിലേക്ക് പോകുക.
- 6. ആപ്ലിക്കേഷൻ ഡൗൺലോഡ് ചെയ്ത് ഇൻസ്റ്റാൾ ചെയ്യുക.
- 7. നിങ്ങളുടെ Linux വിതരണ സോഫ്റ്റ്‌വെയർ ശേഖരണങ്ങളിൽ നിന്ന് വൈൻ ഡൗൺലോഡ് ചെയ്യുക. ഇൻസ്റ്റാൾ ചെയ്‌തുകഴിഞ്ഞാൽ, വൈൻ ഉപയോഗിച്ച് അവ പ്രവർത്തിപ്പിക്കുന്നതിന് നിങ്ങൾക്ക് ആപ്പിൽ ഡബിൾ ക്ലിക്ക് ചെയ്യാം. ജനപ്രിയ വിൻഡോസ് പ്രോഗ്രാമുകളും ഗെയിമുകളും ഇൻസ്റ്റാൾ ചെയ്യാൻ സഹായിക്കുന്ന വൈനിലൂടെയുള്ള ഫാൻസി ഇന്റർഫേസായ PlayOnLinux നിങ്ങൾക്ക് പരീക്ഷിക്കാവുന്നതാണ്.
ലിനക്സിൽ വിൻഡോസ് സോഫ്റ്റ്‌വെയർ പ്രവർത്തിപ്പിക്കാനുള്ള ഒരു മാർഗമാണ് വൈൻ, എന്നാൽ വിൻഡോസ് ആവശ്യമില്ല. ഏത് ലിനക്സ് ഡെസ്ക്ടോപ്പിലും നേരിട്ട് വിൻഡോസ് പ്രോഗ്രാമുകൾ പ്രവർത്തിപ്പിക്കാൻ കഴിയുന്ന ഒരു ഓപ്പൺ സോഴ്സ് വിൻഡോസ് കോംപാറ്റിബിലിറ്റി ലെയറാണ് വൈൻ. അടിസ്ഥാനപരമായി, വൈൻ ആദ്യം മുതൽ ആവശ്യത്തിന് വിൻഡോസ് വീണ്ടും നടപ്പിലാക്കാൻ ശ്രമിക്കുന്നു, അതുവഴി യഥാർത്ഥത്തിൽ വിൻഡോസ് ആവശ്യമില്ലാതെ തന്നെ എല്ലാ വിൻഡോസ് ആപ്ലിക്കേഷനുകളും പ്രവർത്തിപ്പിക്കാൻ കഴിയും.
സജീവ പഠനം
വിവരണം:
വിവിധ ആക്റ്റീവ് ലേണിംഗ് അൽഗോരിതങ്ങൾ പരീക്ഷിക്കുന്നതിനും ബെഞ്ച്മാർക്കിംഗ് ചെയ്യുന്നതിനുമായി ഗൂഗിൾ വികസിപ്പിച്ചെടുത്ത പൈത്തൺ അധിഷ്ഠിത ഗവേഷണ ചട്ടക്കൂടാണ് ആക്റ്റീവ് ലേണിംഗ്. വ്യത്യസ്ത ഡാറ്റാസെറ്റുകൾ, സാമ്പിൾ തന്ത്രങ്ങൾ, മെഷീൻ ലേണിംഗ് മോഡലുകൾ എന്നിവയിലുടനീളം പുനരുൽപ്പാദിപ്പിക്കാവുന്ന പരീക്ഷണങ്ങൾ നടത്തുന്നതിനുള്ള മോഡുലാർ ഉപകരണങ്ങൾ ഇത് നൽകുന്നു. ഏകീകൃതമായി സാമ്പിൾ ചെയ്ത പരിശീലന സെറ്റുകളെ ആശ്രയിക്കുന്നതിനുപകരം ഏറ്റവും വിവരദായകമായ ഡാറ്റ പോയിന്റുകൾ തിരഞ്ഞെടുത്ത് മോഡലുകൾക്ക് ലേബലിംഗ് കാര്യക്ഷമത എങ്ങനെ മെച്ചപ്പെടുത്താമെന്ന് പഠിക്കാൻ സിസ്റ്റം ഗവേഷകരെ അനുവദിക്കുന്നു. പ്രധാന പരീക്ഷണ റണ്ണർ (run_experiment.py) ബാച്ച് വലുപ്പങ്ങൾ, ഡാറ്റാസെറ്റ് ഉപസെറ്റുകൾ, മോഡൽ സെലക്ഷൻ, ഡാറ്റ പ്രീപ്രോസസിംഗ് ഓപ്ഷനുകൾ എന്നിവയുൾപ്പെടെ വിവിധ കോൺഫിഗറേഷനുകളെ പിന്തുണയ്ക്കുന്നു. അനിശ്ചിതത്വ സാമ്പിൾ, കെ-സെന്റർ ഗ്രീ സെലക്ഷൻ, ബാൻഡിറ്റ് അധിഷ്ഠിത രീതികൾ എന്നിവ പോലുള്ള നിരവധി സ്ഥാപിത സജീവ പഠന തന്ത്രങ്ങൾ ഇതിൽ ഉൾപ്പെടുന്നു, അതേസമയം ഇഷ്ടാനുസൃത അൽഗോരിതം നടപ്പിലാക്കലുകളും അനുവദിക്കുന്നു. ക്ലാസിക്കൽ മെഷീൻ ലേണിംഗ് മോഡലുകളുമായും (SVM, ലോജിസ്റ്റിക് റിഗ്രഷൻ) ന്യൂറൽ നെറ്റ്‌വർക്കുകളുമായും ഫ്രെയിംവർക്ക് സംയോജിപ്പിക്കുന്നു.
സവിശേഷതകൾ
- സജീവ പഠന ഗവേഷണത്തിനായുള്ള മോഡുലാർ പരീക്ഷണ ചട്ടക്കൂട്
- SVM-കൾ, ലോജിസ്റ്റിക് റിഗ്രഷൻ, CNN-കൾ എന്നിവയുൾപ്പെടെ ഒന്നിലധികം ഡാറ്റാസെറ്റുകളും മോഡലുകളും പിന്തുണയ്ക്കുന്നു.
- മാർജിൻ സാംപ്ലിംഗ്, കെ-സെന്റർ ഗ്രീ പോലുള്ള വിവിധ സജീവ പഠന തന്ത്രങ്ങൾ നടപ്പിലാക്കുന്നു.
- ബാച്ച് വലുപ്പം, ഊഷ്മള ആരംഭ അനുപാതം, ശബ്ദ നിയന്ത്രണം തുടങ്ങിയ പാരാമീറ്ററുകളുടെ വഴക്കമുള്ള കോൺഫിഗറേഷൻ അനുവദിക്കുന്നു.
- എക്സ്റ്റൻസിബിൾ API വഴി പുതിയ മോഡലുകളുടെയും സാമ്പിൾ രീതികളുടെയും എളുപ്പത്തിലുള്ള സംയോജനം
- പരീക്ഷണാത്മക താരതമ്യത്തിനായി സമഗ്രമായ ബെഞ്ച്മാർക്കിംഗും വിശകലന ഉപകരണങ്ങളും നൽകുന്നു.
പ്രോഗ്രാമിംഗ് ഭാഷ
പൈത്തൺ
Categories
ഇത് https://sourceforge.net/projects/active-learning.mirror/ എന്നതിൽ നിന്നും ലഭിക്കാവുന്ന ഒരു ആപ്ലിക്കേഷനാണ്. ഞങ്ങളുടെ സൗജന്യ ഓപ്പറേറ്റീവ് സിസ്റ്റങ്ങളിൽ ഒന്നിൽ നിന്ന് ഏറ്റവും എളുപ്പമുള്ള രീതിയിൽ ഓൺലൈനിൽ പ്രവർത്തിപ്പിക്കുന്നതിനായി ഇത് OnWorks-ൽ ഹോസ്റ്റ് ചെയ്‌തിരിക്കുന്നു.