Dit is de Linux-app PyCls, waarvan de nieuwste versie kan worden gedownload als Sweepcodeforstudyingmodelpopulationstatssourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app met de naam PyCls 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
PyCl's
PRODUCTBESCHRIJVING
pycls is een gerichte PyTorch-codebase voor onderzoek naar beeldclassificatie, met de nadruk op reproduceerbaarheid en sterke, transparante basislijnen. Het heeft families zoals RegNet gepopulariseerd en ondersteunt klassieke architecturen (ResNet, ResNeXt) met overzichtelijke implementaties en consistente trainingsrecepten. De repository bevat nauwkeurig afgestemde schema's, uitbreidingen en regularisatie-instellingen die het eenvoudig maken om de gerapporteerde nauwkeurigheid te evenaren zonder giswerk. Gedistribueerde training en gemengde precisie zijn eersteklas, waardoor snelle experimenten op multi-GPU-opstellingen mogelijk zijn met eenvoudige, declaratieve configuraties. Modeldefinities zijn beknopt en modulair, waardoor het eenvoudig is om nieuwe blokken te prototypen of backbones te verwisselen, terwijl de rest van de pipeline ongewijzigd blijft. Vooraf getrainde gewichten en evaluatiescripts bestrijken veelvoorkomende datasets, en de logging/metrische stack is ontworpen voor snelle vergelijking tussen runs. Professionals gebruiken pycls zowel als een baseline-fabriek als een scaffold voor nieuwe classificatiebackbones.
Kenmerken
- Referentie-implementaties van ResNet/ResNeXt/RegNet-families
- Reproduceerbare trainingsrecepten met afgestemde schema's en uitbreidingen
- Gedistribueerde en gemengde precisietraining direct uit de doos
- Declaratief configuratiesysteem en schone datapijplijnen
- Vooraf getrainde controlepunten en gestandaardiseerde evaluatiescripts
- Minimale, modulaire modelcode voor snelle architecturale iteratie
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/pycls.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
