Ini ialah apl Linux bernama MoCo v3 yang keluaran terbarunya boleh dimuat turun sebagai moco-v3sourcecode.tar.gz. Ia boleh dijalankan dalam talian dalam penyedia pengehosan percuma OnWorks untuk stesen kerja.
Muat turun dan jalankan dalam talian apl bernama MoCo v3 ini dengan OnWorks secara percuma.
Ikut arahan ini untuk menjalankan apl ini:
- 1. Memuat turun aplikasi ini dalam PC anda.
- 2. Masukkan dalam pengurus fail kami https://www.onworks.net/myfiles.php?username=XXXXX dengan nama pengguna yang anda mahukan.
- 3. Muat naik aplikasi ini dalam pengurus filem tersebut.
- 4. Mulakan OnWorks Linux dalam talian atau emulator dalam talian Windows atau emulator dalam talian MACOS dari tapak web ini.
- 5. Daripada OS Linux OnWorks yang baru anda mulakan, pergi ke pengurus fail kami https://www.onworks.net/myfiles.php?username=XXXX dengan nama pengguna yang anda mahukan.
- 6. Muat turun aplikasi, pasang dan jalankan.
SKRIN:
MoCo v3
HURAIAN:
MoCo v3 ialah pelaksanaan semula PyTorch bagi Momentum Contrast v3 (MoCo v3), rangka kerja pembelajaran penyeliaan kendiri Facebook Research yang terkini untuk pembelajaran perwakilan visual menggunakan tulang belakang ResNet dan Vision Transformer (ViT). Pada asalnya dibangunkan dalam TensorFlow untuk TPU, versi ini dengan setia mengeluarkan semula hasil kertas pada GPU sambil menawarkan antara muka PyTorch yang boleh diakses dan berskala. MoCo v3 memperkenalkan penambahbaikan untuk melatih ViT yang diselia sendiri dengan menggabungkan pembelajaran kontras dengan seni bina berasaskan transformer, mencapai prestasi penalaan halus linear dan hujung ke hujung yang kukuh pada penanda aras ImageNet. Repositori menyokong latihan teragih berbilang nod, ketepatan campuran automatik dan penskalaan linear kadar pembelajaran untuk rejim kelompok besar. Ia juga termasuk skrip untuk pralatihan diselia sendiri, klasifikasi linear dan penalaan halus dalam rangka kerja DeiT.
Ciri-ciri
- Serasi dengan ImageNet dan penanda aras penglihatan standard untuk pembelajaran pemindahan
- Boleh dikonfigurasikan melalui bendera baris arahan dengan hiperparameter berskala dan tetapan kelompok
- Skrip bersepadu untuk pralatihan diselia sendiri, penilaian linear dan penalaan halus DeiT
- Mencapai hasil ImageNet yang kukuh (cth, 74.6% linear top-1 pada ResNet-50, 83.2% ViT-B diperhalusi)
- Menyokong latihan teragih berbilang GPU berskala besar dengan ketepatan campuran
- Pelaksanaan PyTorch MoCo v3 yang diselia sendiri untuk model ResNet dan ViT
Bahasa Pengaturcaraan
Python
Kategori
Ini adalah aplikasi yang juga boleh diambil dari https://sourceforge.net/projects/moco-v3.mirror/. Ia telah dihoskan dalam OnWorks untuk dijalankan dalam talian dengan cara yang paling mudah daripada salah satu Sistem Operasi percuma kami.