Dit is de Linux-app FastViT, waarvan de nieuwste versie kan worden gedownload als ml-fastvitsourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app genaamd FastViT 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.
SCREENSHOTS
Ad
FastViT
PRODUCTBESCHRIJVING
FastViT is een efficiënte vision backbone-familie die convolutionele inductieve biases combineert met transformercapaciteit om hoge nauwkeurigheid te leveren bij mobiele en realtime inferentiebudgetten. Het ontwerp streeft naar een gunstige latentie-nauwkeurigheid Pareto-curve, gericht op edge-apparaten en serverscenario's waar throughput en tail latency van belang zijn. De modellen maken gebruik van lichtgewicht aandacht en zorgvuldig ontworpen blokken om de kosten voor tokenmixing te minimaliseren en tegelijkertijd de representatiekracht te behouden. Trainings- en inferentierecepten benadrukken eenvoudige integratie in veelvoorkomende vision-taken zoals classificatie, detectie en segmentatie. De codebase biedt referentie-implementaties en controlepunten die het eenvoudig maken om downstream datasets te evalueren of te verfijnen. In de praktijk biedt FastViT drop-in backbones die de reken- en geheugenbelasting verminderen zonder exotische trainingstechnieken.
Kenmerken
- Hybride Conv-Transformer-blokken geoptimaliseerd voor latentie
- Concurrerende nauwkeurigheid bij mobiele/edge-inferentiebudgetten
- Referentietrainingscripts en vooraf getrainde controlepunten
- Compatibiliteit met standaard detectie-/segmentatiekoppen
- Geheugen-efficiënte aandacht en token-mixcomponenten
- Eenvoudige integratie in bestaande PyTorch-pijplijnen
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/fastvit.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
