Dit is de Linux-app DeepCluster, waarvan de nieuwste versie kan worden gedownload als deepclustersourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app met de naam DeepCluster met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCHERMSCHERMEN:
Diepe cluster
BESCHRIJVING:
DeepCluster is een klassiek zelf-gesuperviseerd, op clustering gebaseerd algoritme voor representatieleren dat iteratief beeldkenmerken groepeert en de clustertoewijzingen als pseudolabels gebruikt om het netwerk te trainen. In elke ronde worden de door het netwerk geproduceerde kenmerken geclusterd (bijv. k-means), en de cluster-ID's worden supervisiedoelen in het volgende tijdperk, wat het model aanmoedigt om zijn representatie te verfijnen om semantische groepen beter te scheiden. Dit afwisselende "cluster & train"-schema helpt het model geleidelijk aan betekenisvolle structuren zonder labels te ontdekken. DeepCluster was een van de eerste successen in ongeleid visueel feature learning en toonde aan dat clustering-gebaseerde herformulering gesuperviseerde baselines kan evenaren voor veel downstream-taken. De repository bevat code voor feature-extractie, clustering, trainingslussen en evaluatiebenchmarks zoals lineaire probes. Vanwege zijn eenvoud en modulaire ontwerp heeft DeepCluster vele latere methoden geïnspireerd.
Kenmerken
- Ongeleid leren via iteratieve clustering en pseudo-label toezicht
- Alternatieve pijplijn: clusterfuncties → gebruik cluster-ID's om het netwerk te trainen
- Ondersteuning voor k-means of andere clusteringalgoritmen in de feature space
- Trainings- en evaluatiescripts voor downstream-taken (classificatie, detectie)
- Modulaire code om netwerkarchitecturen of clustermethoden te verwisselen
- Basisreferentie voor veel latere zelf-gesuperviseerde benaderingen
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/deepcluster.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.