Dit is de Linux-app met de naam PML waarvan de nieuwste release kan worden gedownload als v2.3.0.zip. Het kan online worden uitgevoerd in de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik deze app genaamd PML met OnWorks gratis online.
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
PML
PRODUCTBESCHRIJVING
Deze bibliotheek bevat 9 modules, die elk afzonderlijk kunnen worden gebruikt binnen uw bestaande codebase, of gecombineerd kunnen worden voor een complete trein/test-workflow. Om het verlies in uw trainingslus te berekenen, geeft u de door uw model berekende inbeddingen en de bijbehorende labels door. De inbeddingen moeten maat (N, embedding_size) hebben en de labels moeten maat (N) hebben, waarbij N de batchgrootte is. De TripletMarginLoss berekent alle mogelijke tripletten binnen de batch, op basis van de labels die u erin doorgeeft. Anker-positieve paren worden gevormd door inbeddingen die hetzelfde label delen, en anker-negatieve paren worden gevormd door inbeddingen die verschillende labels hebben. Verliesfuncties kunnen worden aangepast met behulp van afstanden, verloopstukken en regularizers. In het onderstaande diagram vindt een miner de indices van harde paren binnen een batch. Deze worden gebruikt om te indexeren in de afstandsmatrix, berekend door het afstandsobject. Voor dit diagram is de verliesfunctie paargebaseerd, dus het berekent een verlies per paar.
Voordelen
- Pas verliesfuncties aan
- Gebruik verliesfuncties voor niet-gesuperviseerd / zelf-gesuperviseerd leren
- Vereiste PyTorch-versie toorts >= 1.6
- Ontwikkeling wordt gedaan op de dev-tak
- Code is opgemaakt met zwart en isort
- U kunt de testgegevenstypes en het testapparaat specificeren als omgevingsvariabelen
Programmeertaal
Python
Categorieën
Dit is een applicatie die ook kan worden opgehaald van https://sourceforge.net/projects/pml.mirror/. Het is gehost in OnWorks om op een gemakkelijkste manier online te kunnen worden uitgevoerd vanuit een van onze gratis besturingssystemen.
