Dit is de Linux-app DeiT (Data-efficient Image Transformers), waarvan de nieuwste versie kan worden gedownload als deitsourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app genaamd DeiT (Data-efficient Image Transformers) 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:
DeiT (Data-efficiënte beeldtransformatoren)
BESCHRIJVING:
DeiT (Data-efficient Image Transformers) toont aan dat Vision Transformers competitief kunnen worden getraind op ImageNet-1k zonder externe data door gebruik te maken van sterke trainingsrecepten en kennisdestillatie. Het kernidee is een gespecialiseerde destillatiestrategie – inclusief een leerbaar "destillatietoken" – waarmee een transformer effectief kan leren van een CNN of transformer-docent op datasets van bescheiden omvang. Het project biedt compacte ViT-varianten (Tiny/Small/Base) die uitstekende afwegingen tussen nauwkeurigheid en doorvoer bereiken, waardoor transformers ook bruikbaar zijn in grootschalige pretrainingsregimes. Training omvat zorgvuldig afgestemde augmentaties, regularisaties en optimalisatieschema's om het leerproces te stabiliseren en de sample-efficiëntie te verbeteren. De repository biedt voorgetrainde controlepunten, referentiescripts en ablatiestudies die verduidelijken welke ingrediënten het belangrijkst zijn voor data-efficiënte ViT-training.
Kenmerken
- Data-efficiënte ViT-training die vanaf nul op ImageNet-1k werkt
- Kennisdestillatie met een speciaal destillatietoken
- Compacte modeldierentuin (Tiny/Small/Base) met sterke nauwkeurigheid-snelheidsbalans
- Duidelijke trainingsrecepten met uitbreidings- en regularisatieschema's
- Vooraf getrainde controlepunten en reproduceerbare referentiescripts
- Ablaties en richtlijnen om DeiT aan te passen aan nieuwe datasets en taken
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/deit-data-img-trans.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.