ഇതാണ് MAE (Masked Autoencoders) എന്ന് പേരിട്ടിരിക്കുന്ന Windows ആപ്പ്, ഇതിന്റെ ഏറ്റവും പുതിയ പതിപ്പ് maesourcecode.tar.gz ആയി ഡൗൺലോഡ് ചെയ്യാം. വർക്ക്സ്റ്റേഷനുകൾക്കായുള്ള സൗജന്യ ഹോസ്റ്റിംഗ് ദാതാവായ OnWorks-ൽ ഇത് ഓൺലൈനായി പ്രവർത്തിപ്പിക്കാം.
MAE (Masked Autoencoders) എന്ന് പേരിട്ടിരിക്കുന്ന ഈ ആപ്പ് OnWorks-നൊപ്പം 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.
സ്ക്രീൻഷോട്ടുകൾ
Ad
MAE (മാസ്ക്ഡ് ഓട്ടോഎൻകോഡറുകൾ)
വിവരണം
മാസ്ക്ഡ് ഇമേജ് മോഡലിംഗ് ഉപയോഗിച്ച് വിഷ്വൽ പ്രാതിനിധ്യ പഠനത്തിനായുള്ള സ്വയം മേൽനോട്ടത്തിലുള്ള ഒരു പഠന ചട്ടക്കൂടാണ് MAE (മാസ്ക്ഡ് ഓട്ടോഎൻകോഡേഴ്‌സ്). ഉയർന്ന ശതമാനം ഇമേജ് പാച്ചുകൾ (സാധാരണയായി 75%) ക്രമരഹിതമായി മറച്ചുകൊണ്ടും ശേഷിക്കുന്ന ദൃശ്യ പാച്ചുകളിൽ നിന്ന് നഷ്ടപ്പെട്ട ഉള്ളടക്കം പുനർനിർമ്മിച്ചുകൊണ്ടും ഇത് ഒരു വിഷൻ ട്രാൻസ്‌ഫോർമറിനെ (ViT) പരിശീലിപ്പിക്കുന്നു. മേൽനോട്ടമില്ലാതെ സെമാന്റിക് ഘടനയും ആഗോള സന്ദർഭവും പഠിക്കാൻ ഇത് മോഡലിനെ പ്രേരിപ്പിക്കുന്നു. എൻകോഡർ ദൃശ്യമായ പാച്ചുകൾ മാത്രം പ്രോസസ്സ് ചെയ്യുന്നു, അതേസമയം ഒരു ഭാരം കുറഞ്ഞ ഡീകോഡർ പൂർണ്ണ ഇമേജ് പുനർനിർമ്മിക്കുന്നു - പ്രീട്രെയിനിംഗ് കമ്പ്യൂട്ടേഷണലായി കാര്യക്ഷമമാക്കുന്നു. പ്രീട്രെയിനിംഗിന് ശേഷം, ഇമേജ് വർഗ്ഗീകരണം, സെഗ്‌മെന്റേഷൻ, ഡിറ്റക്ഷൻ തുടങ്ങിയ ഡൗൺസ്ട്രീം ടാസ്‌ക്കുകൾക്കുള്ള ശക്തമായ ഒരു നട്ടെല്ലായി എൻകോഡർ പ്രവർത്തിക്കുന്നു, കുറഞ്ഞ ഫൈൻ-ട്യൂണിംഗിലൂടെ മികച്ച പ്രകടനം കൈവരിക്കുന്നു. പുനർനിർമ്മാണ ഗുണനിലവാരത്തിനും പഠിച്ച സവിശേഷതകൾക്കുമായി പ്രീട്രെയിനഡ് മോഡലുകൾ, ഫൈൻ-ട്യൂണിംഗ് സ്ക്രിപ്റ്റുകൾ, മൂല്യനിർണ്ണയ പ്രോട്ടോക്കോളുകൾ, വിഷ്വലൈസേഷൻ ഉപകരണങ്ങൾ എന്നിവ റിപ്പോസിറ്ററി നൽകുന്നു.
സവിശേഷതകൾ
- റാൻഡം ഹൈ-റേഷിയോ പാച്ച് മാസ്കിംഗ് ഉള്ള മാസ്ക്ഡ് ഇമേജ് മോഡലിംഗ്
- എൻകോഡർ-ഡീകോഡർ വേർതിരിവ് വഴി കാര്യക്ഷമമായ പ്രീ-പരിശീലനം (എൻകോഡർ ദൃശ്യമായ പാച്ചുകൾ മാത്രമേ കാണുന്നുള്ളൂ)
- ഡൗൺസ്ട്രീം വിഷൻ ടാസ്‌ക്കുകൾക്കായുള്ള സ്കേലബിൾ വിഷൻ ട്രാൻസ്‌ഫോർമർ ബാക്ക്‌ബോൺ
- വർഗ്ഗീകരണം, കണ്ടെത്തൽ, വിഭജനം എന്നിവയ്ക്കായി മുൻകൂട്ടി പരിശീലിപ്പിച്ച മോഡലുകളും ഫൈൻ-ട്യൂണിംഗ് സ്ക്രിപ്റ്റുകളും
- പുനർനിർമ്മാണത്തിനും പ്രാതിനിധ്യ വിശകലനത്തിനുമുള്ള ദൃശ്യവൽക്കരണ ഉപകരണങ്ങൾ
- ലേബൽ ചെയ്ത ഡാറ്റ ആവശ്യമില്ലാത്ത സ്വയം മേൽനോട്ടത്തിലുള്ള പരിശീലന മാതൃക
പ്രോഗ്രാമിംഗ് ഭാഷ
പൈത്തൺ
Categories
ഇത് https://sourceforge.net/projects/mae-masked-autoencoders.mirror/ എന്നതിൽ നിന്നും ലഭിക്കാവുന്ന ഒരു ആപ്ലിക്കേഷനാണ്. ഞങ്ങളുടെ സൗജന്യ ഓപ്പറേറ്റീവ് സിസ്റ്റങ്ങളിൽ ഒന്നിൽ നിന്ന് ഏറ്റവും എളുപ്പമുള്ള രീതിയിൽ ഓൺലൈനിൽ പ്രവർത്തിപ്പിക്കുന്നതിനായി ഇത് OnWorks-ൽ ഹോസ്റ്റ് ചെയ്‌തിരിക്കുന്നു.
