Dit is de Linux-app iJEPA, waarvan de nieuwste versie kan worden gedownload als ijepasourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app met de naam iJEPA 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:
iJEPA
BESCHRIJVING:
i-JEPA (Image Joint-Embedding Predictive Architecture) is een zelf-supervised learning framework dat ontbrekende representaties op hoog niveau voorspelt in plaats van pixels te reconstrueren. Een contextencoder ziet zichtbare delen van een afbeelding en voorspelt doel-embeddings voor gemaskeerde delen die geproduceerd worden door een langzaam bijgewerkte doelencoder, waarbij het leren gericht is op semantiek in plaats van textuur. Deze doelstelling omzeilt generatieve pixelverliezen en vermijdt zware negatieve sampling, waardoor kenmerken worden geproduceerd die sterk overdraagbaar zijn met lineaire probes en minimale finetuning. Het ontwerp schaalt op natuurlijke wijze met Vision Transformer-backbones en flexibele maskeringsstrategieën, en het traint stabiel bij grote batchgroottes. De voorspellingen van i-JEPA worden gedaan in embedding-ruimte, wat computationeel efficiënt is en beter aansluit op downstream discriminatietaken. De repository biedt trainingsrecepten, datapijplijnen en evaluatiecode die verduidelijken welke maskeringspatronen en architectuurkeuzes het belangrijkst zijn.
Kenmerken
- Voorspellend leren in representatieruimte, niet in pixelruimte
- Context- en doelencoders met EMA-updates voor stabiele training
- Sterke overdracht met eenvoudige lineaire probes en lage-schot fijnafstemming
- Schaalt eenvoudig met ViT-backbones en diverse maskeringsstrategieën
- Efficiënte objectief zonder negatieven of pixel-level decoders
- Reproduceerbare trainings- en evaluatierecepten met controlepunten
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/ijepa.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.