This is the Linux app named ResNeXt whose latest release can be downloaded as ResNeXtsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Download en gebruik online gratis deze app met de naam ResNeXt 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
ResNeXt
PRODUCTBESCHRIJVING
ResNeXt is een diepe neurale netwerkarchitectuur voor beeldclassificatie, gebaseerd op het idee van geaggregeerde residuele transformaties. In plaats van simpelweg de diepte of breedte te vergroten, introduceert ResNeXt een nieuwe dimensie genaamd kardinaliteit. Deze dimensie verwijst naar het aantal parallelle transformatiepaden (d.w.z. het aantal "takken") dat wordt geaggregeerd. Elke tak is een kleine transformatie (bijv. een flessenhalsblok) en de uitvoer ervan wordt opgeteld. Dit maakt een rijkere weergave mogelijk zonder overmatige parametervergroting. Het ontwerp is modulair en homogeen, waardoor het relatief eenvoudig te schalen is (door kardinaliteit, breedte en diepte af te stemmen) en te integreren in bestaande residuele frameworks. De officiële repository biedt een Torch (Lua)-implementatie met code voor training, evaluatie en voorgetrainde modellen op ImageNet. In de praktijk presteren ResNeXt-modellen vaak beter dan standaard ResNet-modellen van vergelijkbare complexiteit.
Kenmerken
- Geaggregeerde resttransformaties die meerdere parallelle takken combineren
- Introduceert ‘kardinaliteit’ als een nieuwe architecturale dimensie
- Modulaire knelpuntblokken met eenvoudige schaalbaarheid over breedte/diepte/kardinaliteit
- Torch-implementatie met trainings- en evaluatiescripts
- Vooraf getrainde modellen voor ImageNet-classificatie
- Compatibiliteit met restarchitecturen en eenvoudige integratie
Programmeertaal
Lua
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/resnext.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
